【Ubuntu-Tensorflow】程序结束掉GPU显存没有释放的问题

最新推荐文章于 2025-06-15 11:20:23 发布
原创 最新推荐文章于 2025-06-15 11:20:23 发布 · 2.3w 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#ubuntu #gpu #Tensorflow

本文介绍了一种在Ubuntu系统中遇到Tensorflow程序运行过程中意外终止，导致GPU显存未正常释放的情况，并提供了解决方案。通过使用特定命令手动结束占用显存的进程，可以有效地解决GPU显存占用问题。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

笔者在ubuntu上跑Tensorflow的程序的时候，中途使用了Win+C键结束了程序的进行，但是GPU的显存却显示没有释放，一直处于被占用状态。
使用命令
watch -n 1 nvidia-smi
显示如下
这里写图片描述
两个GPU程序都在执行中，实际上GPU:0已经被笔者停止了，但是GPU没有释放，进程还在继续，所以只有采用暴力手段了，将进程手动关闭掉，进程编号如图中红线部分，由于笔者在两个GPU跑的程序一样，很难从程序名称上找到自己，却可以从GPU：num上找到自己的PID。
关闭命令如下：
sudo kill -9 PID

好，完美解决GPU显存释放问题

如何快速在Ubuntu服务器上搭建GPU深度学习环境（TensorFlow版本）
PATIENTHZ的博客
04-13 2654
随着AI的迅速发展，主流的深度学习框架Pytorch和TensorFlow越来越被人熟知，笔者最近也需要基于Ubuntu服务器进行深度学习环境的搭建，作为一名刚涉及该领域的Green Bird，自然遇到了很多问题，但自我探索和他人帮助下也有了一些浅薄理解。关于Pytorch和TensorFlow的区别和联系，可见如何对比目前最流行的两个深度学习框架：TensorFlow和PyTorch。
Tensorflow 2.0 GPU显存爆炸打问题及释放内存打方法
楠木大哥技术博客
08-16 9126
GPU 显存爆炸问题 训练过程中及其容易将显存占满，需要限制显存打使用。 import tensorflow as tf gpus = tf.config.experimental.list_physical_devices('GPU') if gpus: tf.config.experimental.set_virtual_device_configuration(gpus[0],[tf.config.experimental.VirtualDeviceConfiguration(memory_l
Ubuntu 无法释放显存
weixin_53701962的博客
03-08 2717
跑完代码或者调试深度学习代码时，程序停止但显存未释放。。。 解决方法一：用nvidia-smi找到占用显存的进程号，杀掉进程 nvidia-smi kill -9 PID 例如，我上图的是： kill -9 7105 解决方法二：用nvtop找到占用显存的进程号，杀掉进程 nvtop kill -9 PID kill -9 7105 ...
使用TensorRT遇到的问题
猫猫与橙子的博客
12-19 6485
1.TensorRT内存泄漏问题 最近遇到一个bug,TensorRT4.0.4没有办法进行内存释放,这个官网也有提到,大意就是调用destory函数(内存销毁的函数),一片内存会被释放两次,然后代码就崩溃了.这个参考文献在这里: (注意:bug产生的条件就是不停调用TensorRT,对其进行初始化,初始化结束后再销毁,反复操作,就能看到相应的内存泄漏) 问题描述:error tensorR...
TensorFlow基础教程：从入门到实战
最新发布
weixin_28746457的博客
06-15 717
TensorFlow是Google于2015年开源的人工智能框架，广泛用于机器学习和深度学习领域。其应用覆盖了语音识别、图像识别、自然语言处理等多个领域，为研究者和开发者提供了一个强大的工具库。张量是TensorFlow中最基本的数据结构，可以认为是一个多维数组，是用于存储数据的容器。张量的创建和使用是进行任何深度学习任务的基础。TensorFlow中的张量不仅用于存储数据，还能够参与到后续的计算过程中。张量的定义：# 创建一个常量张量# 执行计算图，获取张量的值。
Ubuntu16.04-Tensorflow ，释放GPU的显存
qq_36414085的博客
05-15 1790
Ubuntu-Tensorflow ，程序被手动强行结束后（win+c），程序所占用的GPU的显存没有被释放掉，影响下次运行。 首先在终端输入 nvidia-smi 查看显卡的使用情况 方法1）终端上：sudo kill -9 PID 方法2）笨办法：重启电脑 方法3）fuser -v /dev/nvidia* ...
（原）tensorflow中函数执行完毕，显存不自动释放
weixin_33768481的博客
09-28 7561
转载请注明出处： http://www.cnblogs.com/darkknightzh/p/7608916.html 参考网址： https://stackoverflow.com/questions/39758094/clearing-tensorflow-gpu-memory-after-model-execution https://github.com/tensorflow/te...
tensorflow、pytorch强制关闭GPU释放显存
hesongzefairy的博客
09-25 2119
环境中安装numba然后添加以下代码： from numba import cuda device = cuda.get_current_device() device.reset() cuda.close()
【GPU+ubuntu】Ubuntu下的Tensorflow-gpu等各种环境和包的安装
发现问题，解决问题。
03-17 431
配置： CPU：i7 GPU：1070 CUDA：8.0 Cudnn：8.0v6.0 Tensorflow：1.4 双系统：win7 + ubuntu16.04 一.系统安装 Win7 U盘安装Ubuntu16.04 双系统详细教程 安装主要分为以下几步： 一． 下载Ubuntu 16.04镜像软件； 二． 制作U盘启动盘使用ultraISO； 三． 安装Ubuntu系统；...
在Ubuntu 16.04.6上使用tensorflow-GPU出现的问题记录及解决办法
wf592523813的博客
07-20 1156
由于需要，实习时在服务器上安装了anaconda3+tensorflow-gpu+keras， 使用的时候一直都是使用 import os os.environ['CUDA_VISIBLE_DEVICES']=“0” 来指定使用第0个gpu，程序也一直是使用GPU加速计算的，但是奇怪的是今天忽然发现程序运行很慢，并且运行时出现“Your CPU supports instructions tha...
Ubuntu18.04使用Anaconda安装多版本CUDA实现jupyter切换TensorFlow-gpu及pytorch-gpu版本
DeepNLP
07-05 2011
Ubuntu18.04使用Anaconda安装多版本CUDA实现jupyter切换TensorFlow-gpu及pytorch-gpu版本创建GPU云服务器选择服务器配置登录服务器安装显卡驱动添加依赖并更新系统安装驱动重启服务器测试驱动安装Anaconda下载安装包配置conda创建虚拟环境安装TensorFlow2.2全自动安装测试TensorFlow-GPU状态安装pytorch1.5.1省心安装测试Ptorch-GPU安装TensorFlow1.13.1省心安装测试TensorFlow1.13.1-G
解决Tensorflow占用GPU显存问题
09-18
今天小编就为大家分享一篇解决Tensorflow占用GPU显存问题，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
解决TensorFlow训练内存不断增长,进程被杀死问题
09-18
今天小编就为大家分享一篇解决TensorFlow训练内存不断增长,进程被杀死问题，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
TensorFlow函数使用完成释放显存问题
qq_41653523的博客
11-29 3259
TensorFlow函数使用完成释放显存问题 使用Tensorflow跑程序，3G显存总是会占满，之后使用Pytorch就会显存不足。Tensorflow部分使用完成，显存不会自动释放，直到程序结束才会释放。我们可以借助多进程来释放内存。下面是我尝试各种办法后，得到的目前最好方法。 其余办法不是太慢，就是无法输入多个参数，或者得不到返回值 import multiprocessing def extract_regional_features(rgb_list, model_path): reg
不同数据循环使用同一模型tensorflow-gpu计算图后自动释放显存
javaisnotgood的博客
08-21 2300
https://stackoverflow.com/questions/39758094/clearing-tensorflow-gpu-memory-after-model-execution 由于tensorflow中使用完gpu后并不会自动释放显存，所以在循环利用同一个计算图时会不停的累加显存，无法释放显存。 然后从网上仅发现一种可行方案，即每次执行完计算图后都关闭当前进程，然后用其他进...
torch显存分析——如何在不关闭进程的情况下释放显存
weixin_44826203的博客
05-18 1万+
torch显存占用分析，以及如何在不关闭进程的情况下，利用代码释放不再占用的显存。
Linux释放GPU显存
热门推荐
cp3
04-04 2万+
用tensorflow做实验，有时候会由于某种原因，在关闭程序后，GPU的显存仍处于被占用的状态，而用nvidia-smi查不到对应的进程pid. 这时释放显存的方法： sudo fuser /dev/nvidia* 该命令会显示所有占用nvidia设备的进程pid，将这些pid逐个kill掉： kill -9 pid 发现显存已经被释放。 不过，造成这种显存不能被释放现象的原因尚不清...
解决GPU显存无法释放问题
听海归雪的博客
12-06 1万+
经常有开发反馈他们的程序已停掉，但是GPU显存无法释放，我们在使用tensorflow+pycharm 或者PyTorch写程序的时候,　有时候会在控制台终止掉正在运行的程序，但是有时候程序已经结束了，nvidia-smi也看到没有程序了，但是GPU的内存并没有释放，这是怎么回事呢？ 使用PyTorch设置多线程（threads）进行数据读取（DataLoader），其实是假的多线程，他是开了N个子进程（PID都连着）进行模拟多线程工作，所以你的程序跑完或者中途kill掉主进程的话，子进程的GPU显存并不会
java内存泄漏
YangYoung_的博客
10-10 1549
所谓的内存泄漏不是说内存坏掉了，内存溜出去了，而是因为线程进行中一直占用了某块内存无法进行GC，这块内存之后永远都无法被使用，导致这块内存像是没有了一样，嗯哼
Ubuntu 22 TensorFlow用gpu
03-26
### 配置 TensorFlow 使用 GPU 的步骤 在 Ubuntu 22 上配置 TensorFlow 以使用 GPU 是一个多阶段的过程，涉及安装必要的依赖项、创建虚拟环境并验证安装是否成功。以下是详细的说明： #### 创建 Conda 虚拟环境 为了确保兼容性和隔离性，建议使用 Anaconda 或 Miniconda 来管理 Python 环境。 ```bash # 更新 conda 到最新版本 conda update conda # 创建一个新的虚拟环境 (假设 Python 版本为 3.8) conda create -n tf-gpu python=3.8 # 激活该虚拟环境 conda activate tf-gpu ``` #### 安装 CUDA 和 cuDNN 工具包 TensorFlow 对特定版本的 CUDA 和 cuDNN 提供支持。对于 TensorFlow 2.x，通常推荐使用的组合如下表所示[^4]： | TensorFlow Version | CUDA Toolkit | cuDNN | |-------------------|--------------|-------| | 2.7 | 11.2 | 8.1 | 可以通过以下命令来安装这些工具包： ```bash # 安装 CUDA 工具包 conda install cudatoolkit=11.2 -c nvidia # 安装 cuDNN 库 conda install cudnn=8.1 -c conda-forge ``` #### 安装 TensorFlow-GPU 通过 `pip` 命令安装指定版本的 TensorFlow-GPU。这里我们选择 TensorFlow 2.7，因为它是一个稳定且广泛测试过的版本。 ```bash # 设置清华镜像源加速下载速度 pip install tensorflow-gpu==2.7 -i https://pypi.tuna.tsinghua.edu.cn/simple ``` #### 验证安装 完成上述操作后，需验证 TensorFlow 是否能够检测到 GPU 并正常运行。 ```python import tensorflow as tf # 检查 TensorFlow 是否由 CUDA 支持 print(tf.test.is_built_with_cuda()) # 如果返回 True，则表示已启用 CUDA 支持 # 检查是否有可用的 GPU 设备 print(tf.config.list_physical_devices('GPU')) # 返回非空列表表明有 GPU 可用[^1] ``` 如果以上两步均返回预期的结果 (`True` 和非空设备列表)，那么 TensorFlow 已经成功配置为使用 GPU。 --- ### 注意事项 - **驱动程序**：确保显卡驱动已经更新至最新的 NVIDIA 显卡驱动版本（至少 R450）。可以访问 [NVIDIA 官方网站](https://www.nvidia.com/) 下载适合您硬件型号的驱动。 - **内存分配优化**：有时默认情况下可能会遇到 OOM 错误（Out of Memory），可通过调整 TensorFlow 的内存增长策略解决此问题。 ```python gpus = tf.config.experimental.list_physical_devices('GPU') if gpus: try: for gpu in gpus: tf.config.experimental.set_memory_growth(gpu, True) except RuntimeError as e: print(e) ``` ---
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

二十四桥下一句

您的鼓励是我最大的创作动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值