报错：ResourceExhaustedError OOM when allocating

 

日萌社

人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战（不定时更新）

---

报错：ResourceExhaustedError OOM when allocating
分析：
    情况一：因为GPU内存不够用，训练的参数量/训练的数据过于巨大。
    情况二：同样因为GPU内存不够用，即使模型此时输入的数据只有一张图片，但因为模型需要一开始就申请大于GPU的显存大小，依然会报错ResourceExhaustedError OOM

解决一：针对情况一可以把batch_size设置得小一点
解决二：
    指定CPU执行的方式一
        """
        0表示指定第一块GPU，1表示指定第二块GPU，以此类推。
        如果只有一块GPU，却指定数字1，并不是0的话，那么会变成使用CPU运行。
        """
        os.environ['CUDA_VISIBLE_DEVICES'] = '0'
    
    指定CPU执行的方式二
        """
        下面配置 指定让CPU运行
        """
        import os
        os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
        os.environ["CUDA_VISIBLE_DEVICES"] = "-1"