即使在重启机器后，python3进程(系统范围的解释器)仍使用>95%的GPU内存。请注意，即使没有正在运行的训练脚本，内存消耗也会保持不变，而且我从未在系统环境中使用过keras/tensorflow，只在venv或docker容器中使用过。-------------------------------------------+
| NVIDIA-SMI 440.26 Driver Version: 440.26
浏览 101提问于2019-12-17得票数 2
回答已采纳
我的电脑有32 My内存和RTX 2080超级显卡。这个错误发生在刚开始训练的时候。()
gc.collect() # with torch.no_grad() : //
out = self.pre_lay(x) # CUDA out of memory Occurs!!错误发生的前一行，有人建议在模型的前
浏览 3提问于2020-08-26得票数 0
我一直在尝试运行这个Tensorflow风格的传输实现-- Windows上的 ( GPU版本)，但是我得到了以下错误：
我在Tensorflow和Python方面都是一个完全的初学者，所以我不知道如何解决这个问题
浏览 6提问于2017-04-08得票数 0
回答已采纳
和其他许多机制一样，我从内存中得到了Cuda的运行时错误，但出于某种原因，Py火炬保留了大量的运行时错误。我尝试过torch.cuda.empy_cache()，但这也不起作用，内存中的其他数据自动化系统也没有帮助我。当我在运行python程
浏览 4提问于2020-08-07得票数 2
以下是我尝试过的："RuntimeError:数据自动化系统错误:内存不足“”"RuntimeError: CUDA内存不足图像大小= 224，批处理大小= 8
"RuntimeError: CUDA内存不足。:数据自动化系统内存不足。: CUDA内存不足。: CUDA内存不足。
浏览 0提问于2021-03-15得票数 3
回答已采纳
有没有办法强制设置特定Pytorch实例可用的GPU内存量的最大值？例如，我的GPU可能有12 4Gb可用空间，但我想将最大4 4Gb分配给一个特定的进程。
浏览 0提问于2018-03-28得票数 14
回答已采纳
例如，我尝试通过在script1.py中使用的python API将会话分离到不同的资源中： # do stuffAborted (core dumped)
似乎每个tensorflow进程都试图在加载时抢占机器上的
浏览 2提问于2016-01-14得票数 26
回答已采纳
1回答
我使用的是带有GTX-1081ti的Alea，它有11 of的全局内存。当我使用Alea Gpu.Default.Allocate方法在GPU上分配内存时，当我站到3+ GB附近时，就会出现一个“内存不足”错误。);
这应该分配大约8GB的GPU，但它提供了一个CUDA的内存异常。我尝试过更低的长度值，并且基于任务管理器的报告，GPU专用内存在得到错误</
浏览 3提问于2018-09-30得票数 1
回答已采纳
我在SLURM集群中工作，同时(在几个输入文件上)运行多个进程，并使用相同的bash脚本。有什么建议吗？
浏览 5提问于2018-09-20得票数 19
回答已采纳
一个带有4个GPU的服务器用于深度学习。通常情况下，GPU内存在训练过程终止(终止)后没有被释放。nvidia-smi显示的结果是
一些子进程还活着，因此占用了内存。布鲁斯-强制解决方案之一是使用以下方法杀死python创建的所有进程：
pkill -u user_name python<
浏览 2提问于2021-03-06得票数 2
回答已采纳
如果我尝试运行一个命令，告诉你Tensorflow是否使用GPU。>>> sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
命令返回这个，现在我不能理解是否使用GPU的张量流。2019-09-25 17:08:47.509729: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1640] F
浏览 3提问于2019-09-26得票数 1
我目前正在一个带有4GB GPU内存的Amazon实例(g2.2xlarge)上运行这个程序。但是当我运行求解器时，它会立即抛出一个错误。检查失败:错误== cudaSuccess (2 vs.0)在内存中*检查失败堆栈跟踪：*中止(内核转储)
有人能帮我从这里出发吗？
浏览 0提问于2015-11-18得票数 11
回答已采纳
1回答
我试着训练一个网络，但我得到了，我把我的批次大小设置为300，我得到了这个错误，但是即使我把这个错误减少到100，我仍然会得到这个错误，更令人沮丧的是，对于在1200张图像上运行10期，需要大约40分钟的时间，任何错误的建议，以及如何加速这个过程！call last) 5 labels = Variable(labels).cuda8 output
浏览 2提问于2018-01-27得票数 5
您知道用1 GPU tensorflow对2个python进程进行推断的优雅方法吗？假设我有两个过程，第一个是分类猫/狗，第二个是分类鸟类/飞机，每个过程运行不同的tensorflow模型并运行在GPU上。这两个模型将被给予图像从不同的相机连续。通常，tensorflow将占用整个GPU的所有内存。因此，当你开始另一个过程，它会崩溃，说出内存或失败的卷积CUDA或类似的东西。是否有教程/文章/样
浏览 4提问于2020-03-10得票数 12
回答已采纳
我正在自定义数据集上训练yolo5，但我一直在耗尽GPU的内存，因为它只使用8个GPU中的一个。我应该如何运行它才能使用所有的GPU？YOLOv5 v4.0-83-gd2e754b torch 1.7.1 CUDA:0 (Tesla K80,11441.1875MB) CUDA:1 (Tesla K80,11441.1875MB) CUDAK80,11441.1875MB) CUDA:6 (Tesl
浏览 18提问于2021-02-19得票数 0
我正在尝试使用来自另一个python脚本的不同参数(argparse)来运行相同的pytorch训练脚本。我也在使用os.system()做同样的事情。# runner.py os.system(f"CUDA_VISIBLE_DEVICES=1 python train.py --arg1 hp")一些模型得到了训练，但我最终得到了CUDA内存不足的错误。例如，如果有10个模型，
浏览 27提问于2021-04-12得票数 1
回答已采纳
1回答
使用CPU加载模型权重时内存不足
、、、、
1.我训练了我的GPU深度学习模型。import keras 和我想要加载模型，并使用但是得到了以下错误tensorflow.python.framework.errors_impl.InternalError: CUDA runtime implicit initialization on GPU:0
浏览 1提问于2021-01-13得票数 0
回答已采纳
tensorflow:2.3.0 python:3.7.9 CUDA:11.1 gpu:nvidia 840m exact moment，然后它就会降到零。我得到"tensorflow分配器(gpu__bfc)试图分配时内存不足...“错误。 i dont know why有很多关于它的话题，但我找不到答案。
浏览 8提问于2020-12-21得票数 1
我正在使用GPU运行一些非常大的深度学习模型，当我选择批处理大小为8的时候，它可以放入内存中，但如果我使用批处理大小为16，它将导致CUDA内存不足错误，我必须杀死进程。我的问题是，在真正将数据传递到GPU之前，有没有一种方法可以让我知道GPU中的数据量有多大？例如，下面的代码是关于我如何创建pytorch数据加载器并将每批数据加载器传递到GPU，在我调用batch.to(device)之前，我能知
浏览 31提问于2020-08-17得票数 2
我尝试将我的模型封装在一个单独的python程序中(称为model.py)，并在model.py中包含代码以限制VRAM的使用(基于)。我能够在我的图形处理器上同时运行3个model.py实例(每个实例占用我虚拟内存的33% )。令人费解的是，当我尝试4个模型时，我收到了一个错误：
2017-09-10 13:27:43.714908: E tensorflow/stream_executor/cuda/cuda_dnn.cc:运行多个tensorflow<
浏览 4提问于2017-09-11得票数 11
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
