解决Pytorch 训练与测试时爆显存(out of memory)的问题
Pytorch训练时有时候会因为加载的东西过多而爆显存，有些时候这种情况还可以使用cuda的清理技术进行修整，当然如果模型实在太大，那也没办法。
使用torch.cuda.empty_cache()删除一些不需要的变量代码示例如下：
try:
output=model(input)
exceptRuntimeErrorasexception:
if"outofmemory"instr(exception):
print("WARNING:outofmemory")
ifhasattr(torch.cuda,'empty_cache'):
torch.cuda.empty_cache()
else:
raiseexception
测试的时候爆显存有可能是忘记设置no_grad,示例代码如下：
withtorch.no_grad(): forii,(inputs,filelist)intqdm(enumerate(test_loader),desc='predict'): ifopt.use_gpu: inputs=inputs.cuda() iflen(inputs.shape)<4: inputs=inputs.unsqueeze(1) else: iflen(inputs.shape)<4: inputs=torch.transpose(inputs,1,2) inputs=inputs.unsqueeze(1)
以上这篇解决Pytorch训练与测试时爆显存(outofmemory)的问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。