deep-learning - 使 CUDA 内存不足

Question

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
+-------------------------------+----------------------+---------------

Answer 1

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”:

不要使用太大的线性层。
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。

不要在整个训练循环中积累历史。
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。

使用 del 删除不需要的张量明确 .

运行 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。