Pytorch GPU运算过程中会出现：“cuda runtime error(2): out of memory”这样的错误。通常，这种错误是由于在循环中使用全局变量当做累加器，且累加梯度信息的缘故，用官方的说法就是："accumulate history across your training loop"。
在默认情况下，开启梯度计算的Tensor变量是会在GPU保持他的历史数据的，所以在编程或者调试过程中应该尽力避免在循环中累加梯度信息。
下面举个栗子：
上代码：
total_loss=0 for i in range(10000): optimizer.zero_grad() output=model(input) loss=criterion(output) loss.backward() optimizer.step() total_loss+=loss #这里total_loss是跨越循环的变量，起着累加的作用， #loss变量是带有梯度的tensor，会保持历史梯度信息，在循环过程中会不断积累梯度信息到tota_loss，占用内存 |
以上例子的修正方法是在循环中的最后一句修改为：total_loss+=float(loss)，利用类型变换解除梯度信息，这样，多次累加不会累加梯度信息。
局部变量逗留导致内存泄露
局部变量通常在变量作用域之外会被Python自动销毁，在作用域之内，不需要的临时变量可以使用del x来销毁。
在设计Linear Layers 的时候，尽量让其规模小点
对于nn.Linear(m,n)这样规模的线性函数，他的空间规模为O(mn),除此规模的空间来容纳参数意外，还需要同样规模的空间来存储梯度，由此很容易造成GPU空间溢出。
相关的进程管理bash cmd
nvidia-smi监控GPU，
watch -n 1 nvidia-smi实时监控GPU，
watch -n 1 lscpu实时监控CPU，
ps -elf进程查看，
ps -elf | grep python查看Python子进程，
kill -9 [PID]杀死进程PID。
Referance:Pytorch documentations-[-/a>
原文链接：https://blog.csdn.net/bob_chen_csdn/article/details/83514136
相关文章
