[PyTorch]一个非常好的抢救outofmemory的方法

 torch.backends.cudnn.benchmark = True 在程序刚开始加这条语句可以提升一点训练速度，没什么额外开销。我一般都会加 
2. 有时候可能是因为每次迭代都会引入点临时变量，会导致训练速度越来越慢，基本呈线性增长。开发人员还不清楚原因，但如果周期性的使用torch.cuda.empty_cache()的话就可以解决这个问题。这个命令是清除没用的临时变量的。 
3. 使用Variable的数据时候要非常小心。不是必要的话尽量使用Tensor来进行计算
--------------------- 
作者：feitianlzk 
来源：CSDN 
原文：https://blog.csdn.net/feitianlzk/article/details/80387109 
版权声明：本文为博主原创文章，转载请附上博文链接！

 

Pytorch 训练时有时候会因为加载的东西过多而爆显存，有些时候这种情况还可以使用cuda的清理技术进行修整，当然如果模型实在太大，那也没办法。

使用torch.cuda.empty_cache()删除一些不需要的变量代码示例如下：

try:
    output = model(input)
except RuntimeError as exception:
    if "out of memory" in str(exception):
        print("WARNING: out of memory")
        if hasattr(torch.cuda, 'empty_cache'):
            torch.cuda.empty_cache()
    else:
        raise exception
测试的时候爆显存有可能是忘记设置no_grad, 示例代码如下：

    with torch.no_grad():
        for ii,(inputs,filelist) in tqdm(enumerate(test_loader), desc='predict'):
            if opt.use_gpu:
                inputs = inputs.cuda()
                if len(inputs.shape) < 4:
                    inputs = inputs.unsqueeze(1)
 
            else:
                if len(inputs.shape) < 4:
                    inputs = torch.transpose(inputs, 1, 2)
                    inputs = inputs.unsqueeze(1)
--------------------- 
作者：xiaoxifei 
来源：CSDN 
原文：https://blog.csdn.net/xiaoxifei/article/details/84377204 
版权声明：本文为博主原创文章，转载请附上博文链接！