pytorch 运行一段时间后出现GPU OOM的问题
pytorch的dataloader会将数据传到GPU上，这个过程GPU的mem占用会逐渐增加，为了避免GPUmen被无用的数据占用，可以在每个step后用del删除一些变量，也可以使用torch.cuda.empty_cache()释放显存：
del targets, input_k, input_mask torch.cuda.empty_cache()
这时能观察到GPU的显存一直在动态变化。
但是上述方式不是一个根本的解决方案，因为他受到峰值的影响很大。比如某个batch的数据量明显大于其他batch，可能模型处理该batch时显存会不够用，这也会导致OOM，虽然其他的batch都能顺利执行。
显存的占用跟这几个因素相关：
模型参数量
batch size
一个batch的数据 size
通常我们不希望改变模型参数量，所以只能通过动态调整batch-size，使得一个batch的数据 size不会导致显存OOM：
ilen = int(sorted_data[start][1]['input'][0]['shape'][0])
olen = int(sorted_data[start][1]['output'][0]['shape'][0])
# if ilen = 1000 and max_length_in = 800
# then b = batchsize / 2
# and max(1, .) avoids batchsize = 0
# 太长的句子会被动态改变bsz，单独成一个batch，否则padding的部分就太多了，数据量太大，OOM
factor = max(int(ilen / max_length_in), int(olen / max_length_out))
b = max(1, int(batch_size / (1 + factor)))
#b = batch_size
end = min(len(sorted_data), start + b)
minibatch.append(sorted_data[start:end])
if end == len(sorted_data):
break
start = end
此外，如何选择一个合适的batchsize也是个很重要的问题，我们可以先对所有数据按照大小（长短）排好序（降序），不进行shuffle，按照64,32,16依次尝试bsz，如果模型在执行第一个batch的时候没出现OOM，那么以后一定也不会出现OOM（因为降序排列了数据，所以前面的batch的数据size最大）。
还有以下问题
pytorch increasing cuda memory OOM 问题
改了点model 的计算方式，然后就 OOM 了，调小了 batch_size,然后发现发现是模型每次迭代都会动态增长 CUDA MEMORY, 在排除了 python code 中的潜在内存溢出问题之后，基本可以把问题定在 pytorch 的图计算问题上了，说明每次迭代都重新生成了一张计算图，然后都保存着在，就 OOM 了。
参考
CUDA memory continuously increases when net(images) called in every iteration
Understanding graphs and state
说是会生成多个计算图：
loss = SomeLossFunction(out) + SomeLossFunction(out)
准备用 sum来避免多次生成计算图的问题：
loss = Variable(torch.sum(torch.cat([loss1, loss2], 0)))
然而，调着调着就好了，和报错前的 code 没太大差别。估计的原因是在pycharm 远程连接服务器的时候 code 的保存版本差异问题，这个也需要解决一下。
还有个多次迭代再计算梯度的问题，类似于 caffe中的iter_size,这个再仔细看看。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
Django使用详解:ORM 的反向查找(related_name)
今天小编就为大家分享一篇Django使用详解:ORM 的反向查找(related_name)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-05-05
这篇文章主要介绍了python自动化测试之DDT数据驱动的实现代码，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-07-07
模块是python程序架构的一个核心概念，模块名同样也是一个标识符，需要符合标识符的命名规则，接下来通过本文给大家讲解Python模块、包和发布模块,需要的朋友可以参考下2023-01-01
删除python pandas.DataFrame 的多重index实例
今天小编就为大家分享一篇删除python pandas.DataFrame 的多重index实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-06-06
用的是筛选法,网上有解释,简单的说 就是先随机生成一串数字,之后用下标来判断这些数字有没有重复,重复的就筛去2011-05-05
这篇文章主要介绍了Python实现的HMacMD5加密算法,简单说明了HMAC-MD5加密算法的概念、原理并结合实例形式分析了Python实现HMAC-MD5加密算法的相关操作技巧,，末尾还附带了Java实现HMAC-MD5加密算法的示例,需要的朋友可以参考下2018-04-04
在工作中难免会碰到这样的需求,监控指定目录,下面小编就来和大家介绍一下如何利用watchfiles 模块实现监控目录的变更,感兴趣的可以了解下2023-09-09
这篇文章主要介绍了在Django的URLconf中使用命名组的方法,Django是Pyhton各色高人气开发框架中最为著名的一个,需要的朋友可以参考下2015-07-07
这篇文章主要介绍了pyramid如何配置session，大家可以参考使用2013-11-11
Python如何利用Har文件进行遍历指定字典替换提交的数据详解
这篇文章主要给大家介绍了关于Python如何利用Har文件进行遍历指定字典替换提交的数据的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-11-11
最新评论