解决：显存充足 但却出现Internal: out of memory

1、在以下环境运行tf或keras可能汇报下面的错误：

• 环境：
  • Ubuntu
  • CUDA10.1
  • tensorflow1.14 / keras 2.2.4
• 错误（查看显存充足的情况下）：
  on-OK-status: CudaLaunchKernel(FillPhiloxRandomKernelLaunch, num_blocks, block_size, 0, d.stream(), gen, data, size, dist) status: Internal: out of memory
  

2、解决：

2.1 网上有解决方案说在config = tf.ConfigProto()中增加以下两句

 config.allow_soft_placement=True #如果你指定的设备不存在，允许TF自动分配设备
 config.gpu_options.per_process_gpu_memory_fraction=0.9 #分配百分之七十的显存给程序使用，避免内存溢出，可以自己调整

但是经过测试并没有效果，如果使用这两句出现错误不妨使用下面的方法试一试：

2.2 解决方法的本质是设置显卡ID:

可以在python文件内部指定显卡ID如：os.environ["CUDA_VISIBLE_DEVICES"] = "2,3"，但是我发现这并不会起作用。

正确的做法是在文件外部先指定显卡ID：CUDA_VISIBLE_DEVICES="0,1" python train.py

如遇问题欢迎进行留言，相互讨论学习。