我正在尝试使用TensorFlow对象检测API在单个GPU上训练Mask-RCNN（ResNet101）模型。
This the configuration I'm using for Mask-RCNN。
培训开始后立即占用约24GB的CPU RAM。在10分钟的标记处，当第一轮评估开始时，我的所有32GB CPU RAM都被填满，进程被终止。
我的数据集由训练集中的1个样本（即1张图像）和评估集中的1个样本组成。图像为775 x 522像素。每个样本（图像+框+蒙版）在磁盘上的大小不得超过2MB。我这样做是为了确保将数据集对内存消耗的影响降到最低。
我还尝试在同一数据集上训练Faster RCNN模型，并且该模型按预期工作（使用2-3 GB的CPU RAM）。
This is the configuration I'm using for Faster RCNN
为什么在Mask-RCNN的训练和评估过程中内存使用如此之高（与Faster RCNN相比），我该怎么做才能减少它？