tensorflow oom报错OOM的问题

OOM定义—out of memory，内存溢出，一个程序中，已经不需要使用某个对象，但是因为仍然有引用指向它垃圾回收器就无法回收它，当该对象占用的内存无法被回收时，就容易造成内存泄露。多个内存泄漏最终会导致内存溢出，即OOM。

这个报错的原因有很多
1、自身代码有问题，导致GPU内存不够用
这个只能自查
2、有未释放的GPU资源，导致GPU不够用；当然也有可能多人使用GPU，别人使用了。

解决方案就是：

fuser -v /dev/nvidia* #查找占用GPU资源的PID

然后使用kill命令，把偷偷占用的进程杀掉；例如：

kill -9 27600

然后再执行nvidia-smi就可以看到内存已经被释放了

 

参考：

什么情况导致OOM问题及如何优化

解决TensorFlow GPU版出现OOM错误

tensorflow 任意 batch size 不溢出显存( OOM )，使用 darknet 的 sub batch 方法

https://blog.csdn.net/rensihui/article/details/86215882

https://blog.csdn.net/qq_32799915/article/details/80355249

https://blog.csdn.net/nima1994/article/details/79651564

https://blog.csdn.net/qq_29007291/article/details/81346761

https://blog.csdn.net/weixin_42007359/article/details/84634600

https://blog.csdn.net/yewei11/article/details/77993195

https://blog.csdn.net/LYROOO/article/details/84675137

https://blog.csdn.net/weixin_33721344/article/details/87219358