Win11+docker（5）：使用共享显存解决训练模型显存不足的问题

        在本系列的前几篇文章中，我使用win11+docker配置了pytorch2.3，并成功调用了GPU进行训练。随后，我在其基础上配置了Anomalib，使用了PatchCore训练了MVTec的缺陷检测以及我自己的数据集，取得了很高的准确率（99.7%）。

        我将代码分享给了同事，在他训练期间却报错显存不足。我们的显存都是8GB，这时我才发现，在训练过程中我的显存占用为11G，其中8G为专用显存（3070显卡显存为8G），其余占用了3G的共享显存，但我并没有对共享显存进行过专门的设置。经过查阅资料，原来Win10系统默认将一半的内存作为共享显存。

        他不能调用共享显存的原因可能有这两个：

        1. 他的显卡驱动版本比较低；

        2.我的训练环境是通过docker配置的，他是直接在windows训练的。

        如果您的代码遇到显存不足的问题，手头又没有适合的GPU环境，不妨试一试共享显存的方法。