我试图训练一个网络,但我明白了,
我将批量大小设置为 300 并收到此错误,但即使我将其减少到 100,我仍然会收到此错误,更令人沮丧的是,在 ~1200 张图像上运行 10 个 epoch 需要大约 40 分钟,任何建议是怎么回事错了,我怎么能加快这个过程!
任何提示都会非常有帮助,提前致谢。
---------------------------------------------------------------------------
RuntimeError Traceback (most recent call last)
<ipython-input-31-3b43ff4eea72> in <module>()
5 labels = Variable(labels).cuda()
6
----> 7 optimizer.zero_grad()
8 outputs = cnn(images)
9 loss = criterion(outputs, labels)
/usr/local/lib/python3.5/dist-packages/torch/optim/optimizer.py in zero_grad(self)
114 if p.grad is not None:
115 if p.grad.volatile:
--> 116 p.grad.data.zero_()
117 else:
118 data = p.grad.data
RuntimeError: cuda runtime error (2) : out of memory at /pytorch /torch/lib/THC/generic/THCTensorMath.cu:35`
即使我的 GPU 是免费的
+-----------------------------------------------------------------------------+
| NVIDIA-SMI 384.111 Driver Version: 384.111 |
|-------------------------------+----------------------+----------------------+
| GPU Name Persistence-M| Bus-Id Disp.A | Volatile Uncorr. ECC |
| Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU-Util Compute M. |
|===============================+======================+======================|
| 0 GeForce GTX 108... Off | 00000000:05:00.0 Off | N/A |
| 23% 18C P8 15W / 250W | 10864MiB / 11172MiB | 0% Default |
+-------------------------------+----------------------+----------------------+
| 1 GeForce GTX 108... Off | 00000000:08:00.0 Off | N/A |
| 23% 20C P8 15W / 250W | 10MiB / 11172MiB | 0% Default
+-------------------------------+----------------------+---------------
最佳答案
相当笼统的问题。这是我对这个问题的看法。
尝试将批量大小(批量数)设置为 1。如果这解决了问题,您可以尝试找到最佳批量大小。
如果即使对于 bs=1
你得到“运行时错误:cuda 运行时错误(2):内存不足”:
线性层 nn.Linear(m, n) 使用 O(nm)O(nm)O(nm) 内存:也就是说,权重的内存要求与考虑梯度的特征数量成二次方比例。
如果您在循环中递归地总结损失 10000 或更多,您的反向传播评估将是巨大的;占用大量内存。
del
删除不需要的张量明确 . ps -elf | grep python
和 GPU 上的 Python 进程 kill -9 [pid]
如果您怀疑其他 Python 进程正在占用您的内存。 关于deep-learning - 使 CUDA 内存不足,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48473573/