Keras CNN 如何减少大图像尺寸的 GPU 内存使用量？

我正在尝试训练 cnn-lstm 模型，我的样本图像大小为 640x640。

我有一个 GTX 1080 ti 11GB。

我正在使用带有 tensorflow 后端的 Keras。

这是模型。

img_input_1 = Input(shape=(1, n_width, n_height, n_channels))

conv_1 = TimeDistributed(Conv2D(96, (11,11), activation='relu', padding='same'))(img_input_1)

pool_1 = TimeDistributed(MaxPooling2D((3,3)))(conv_1)

conv_2 = TimeDistributed(Conv2D(128, (11,11), activation='relu', padding='same'))(pool_1)

flat_1 = TimeDistributed(Flatten())(conv_2)

dense_1 = TimeDistributed(Dense(4096, activation='relu'))(flat_1)

drop_1 = TimeDistributed(Dropout(0.5))(dense_1)

lstm_1 = LSTM(17, activation='linear')(drop_1)

dense_2 = Dense(4096, activation='relu')(lstm_1)

dense_output_2 = Dense(1, activation='sigmoid')(dense_2)

model = Model(inputs=img_input_1, outputs=dense_output_2)

op = optimizers.Adam(lr=0.00001, beta_1=0.9, beta_2=0.999, epsilon=1e-08, decay=0.001)

model.compile(loss='mean_absolute_error', optimizer=op, metrics=['accuracy'])

model.fit(X, Y, epochs=3, batch_size=1)

现在使用这个模型，我只能在图像被调整到 60x60 时使用训练数据，任何更大的并且我用完 GPU 内存。

我想使用尽可能大的尺寸，因为我想保留尽可能多的歧视性信息。（y 标签将是 0 - 640 之间的鼠标屏幕坐标）

在许多其他人中，我找到了这个答案：https : //ai.stackexchange.com/questions/3938/how-to-handle-images-of-large-sizes-in-cnn

尽管我不确定如何“限制您的 CNN”或“在每个时代流式传输您的数据”，或者这些是否有帮助。

如何减少使用的内存量，以便增加图像大小？

是否可以牺牲训练时间/计算速度来支持更高分辨率的数据，同时保持模型有效性？

注意：以上模型不是最终的，只是一个基本的支出。