问题描述:
能够在单张GPU上成功运行模型,但是在单机多卡训练时,保持batchsize不变,随着训练进行,会出现显卡内存不足的问题(OOM)
1、使用mpirun运行多卡训练,运行代码为
mpirun --allow-run-as-root -n $DEVICE_NUM python train_mindspore.py --config_path $CONFIG_PATH --device_num $DEVICE_NUM> train.log 2>&1 &
解答:
看日志执行的是PyNative模式,PyNative模式占用显存是比图模式会更多的,是否有试过图模式有问题吗?
context.set_context(mode=context.GRAPH_MODE)
1. 历史版本上ScatterNdUpdate这个算子有显存泄漏,可以确认下网络里是否有使用这个算子。 2. 如果没有使用的话,正常多卡训练比单卡训练也是会多占显存的,因为多卡会有通信算子导致显存峰值变大,具体多多少需要看网络模型大小。 3.如果单卡训练显存没有问题的话,多卡有问题,可以尝试下多卡训练下batch缩小点看下是否还有问题。