痛苦又充实的回忆😂
在跑自己修改的模型时,遇到了这个令人摸不到头脑的问题,从网上的博客中查找,大部分是说,数据集的标签出了问题,从而导致越界,而在项目运行中一直使用的是同一个数据集,同时过去的实验代码都是在同一个数据集及预处理程序下使用的,所以果断排除该问题所导致的。
这个问题更坑的地方在于,他抱错的地方并不是错误发生的地方,这就导致了定位的困难,回去看日志信息,捕捉到了一条关键信息,Assertion srcIndex < srcSelectDimSize
failed.
我意识到,是不是自己对模型的修改导致了某个地方发生了越界,这里分享一个debug的技巧,就是当在GPU上训练出现错误时,可以使用CPU进行调试,会获得丰富的调试信息,下面是我实际的错误信息(分别在GPU和CPU上调试时):
GPU:
CPU:
可以发现在cpu下,可以十分明显的发现错误位置,是在reorder过程中的维度错误,也正是这一条信息,结束了我一下午的痛苦😂,如果早知道这个技巧就好了。
总结:
出现这个CUDA ERROR: device-side assert triggered问题大多是出现了越界等情况,但具体的错误原因,还是和你的代码有关,如果你的代码中包含有对数据集标签的处理,那么优先去考虑数据处理过程,如果使用的是预处理好的,基本可以排除这个错误,可以多考虑一下中间过程是否发生越界或者维度错误,而使用CPU进行调试可以十分方便的帮你定位错误的信息。