Pytorch运行过程中解决出现内存不足的问题

1. 前提

利用Transformer模型进行O3浓度的反演

2. 问题

2.1 速度慢

一开始模型是在CPU上面跑的，为了加快速度，我改成了在GPU上跑

方法如下：

1、验证pytorch是否存在GPU版本
在Pycharm命令行输入

import torch

print(torch.cuda.is_available)
# 若输出为True,则存在GPU版本
# 若输出为False,则不存在GPU版本

我的输出为True，说明pytorch是存在GPU版本的

2、将模型从CPU版本转换到GPU版本

• 声明使用GPU（指定具体的卡）
  PS：torch.device()是装torch.Tensor的一个空间。

device=torch.device('cuda' if torch.cuda.is_available() else 'cpu')
# 'cuda' 这里如果没有指定具体的卡号,系统默认cuda:0
device = torch.device('cuda:2') 		# 使用2号卡

• 将模型（model）加载到GPU上

model = Transformer()	#例子中，采用Transformer模型
model.to(device)

• 将数据和标签放到GPU上【注意！什么数据可以被放入GPU-Tensor类型的数据】

# 只有Tensor类型的数据可以放入GPU中
# 可以一个个【batch_size】进行转换
inputs = inputs.to(device)
labels = labels.to(device)

如果结果还是显示你是在CPU上进行训练，要不就是模型没有加进去，要不就是数据没有加进去

2.2 内存不足

• 在使用CPU时，出现了内存不足的情况

RuntimeError: [enforce fail at C:\cb\pytorch_1000000000000\work\c10\core\impl\alloc_cpu.cpp:72] data. DefaultCPUAllocator: not enough memory: you tried to allocate 280410627200 bytes.

• 在使用GPU时，出现了内存不足的情况

torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 261.15 GiB (GPU 0; 8.00 GiB total capacity; 487.30 MiB already allocated; 5.71 GiB free; 506.00 MiB reserved in total by PyTorch) If reserved memory is >> allocated memory try sett

我的模型在训练的时候没有问题，在进行预测的时候，总是出现内存不足（1）一开始我以为是batch_size大小的问题，在从128更改到4后，发现依旧存在问题，这说明不是batch_size大小的问题。

（2）然后，我猜测是反演过程的问题
我在进行模型反演的过程中，直接将全部数据输入到模型model中（大概有10万行），为了验证这个问题，我添加了一个for循环，一个一个数据的反演

问题解决！

学习链接：

• pytorch 中判断和指定模型和数据在GPU或CPU上–有用
• Pytorch | GPU | 将代码加载到GPU上运行
• pytorch中cuda out of memory问题

到此这篇关于Pytorch运行过程中解决出现内存不足的问题的文章就介绍到这了,更多相关Pytorch 内存不足内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！ 

最新评论