问题分析    具体描述如下RuntimeError:CUDAoutofmemory.Triedtoallocate50.00MiB(GPU0;4.00GiBtotalcapacity;682.90MiBalreadyallocated;1.62GiBfree;768.00MiBreservedintotalbyPyTorch)Ifreservedmemoryis>>allocatedmemorytrysettingmax_split_size_mbtoavoidfragmentation.SeedocumentationforMemoryManagementandPYTORCH_CUDA_A

完整报错：RuntimeError:CUDAoutofmemory.Triedtoallocate160.00MiB(GPU0;10.76GiBtotalcapacity;9.58GiBalreadyallocated;135.31MiBfree;9.61GiBreservedintotalbyPyTorch) 问题分析：内存分配不足：需要160MB，，但GPU只剩下135.31MB。解决办法：1.减小batch_size。注意batchsize的调整要配合学习率的调整，一般是正比关系，BS增大两倍，LR增大两倍或者根号二倍。减小也是相应更改。2.运行torch.cuda.empty_cach

torch.cuda.OutOfMemoryError:CUDAoutofmemory.Triedtoallocate90.00MiB(GPU0;7.93GiBtotalcapacity;758.34MiBalreadyallocated;5.75MiBfree;858.00MiBreservedintotalbyPyTorch)Ifreservedmemoryis>>allocatedmemorytrysettingmax_split_size_mbtoavoidfragmentation.SeedocumentationforMemoryManagementandPYTORCH_CUDA_

引发pytorch：CUDAoutofmemory错误的原因有两个：1.当前要使用的GPU正在被占用，导致显存不足以运行你要运行的模型训练命令不能正常运行解决方法：1.换另外的GPU2.kill掉占用GPU的另外的程序（慎用！因为另外正在占用GPU的程序可能是别人在运行的程序，如果是自己的不重要的程序则可以kill）命令行中输入以下命令，可以查看当前正在GPU运行的程序：nvidia-smi再根据上面显示的正在运行程序的PID，输入以下查看进程的命令，可以查看到进程的相关信息，包括使用该进程的用户，时间，命令等ps-f-p12345//你自己的要查询的pid输出大致如下：ps-f-p进程号#p

这个问题在这里已经有了答案:WhyisthedatabaseofaMeteorappthathasbeenrunonce(andneverloaded)takingupnearly3GB?(4个回答)关闭8年前。更新:这是在Meteorv0.4(2012)之后修复的。出于历史目的:我正在微型EC2Ubuntu11.10实例(8GiB)上测试Meteor，安装并登录后，我运行df命令查看核心文件消耗了多少内存(大约10%):Filesystem1K-blocksUsedAvailableUse%Mountedon/dev/xvda18256952782068705545610%/udev

这个问题在这里已经有了答案:WhyisthedatabaseofaMeteorappthathasbeenrunonce(andneverloaded)takingupnearly3GB?(4个回答)关闭8年前。更新:这是在Meteorv0.4(2012)之后修复的。出于历史目的:我正在微型EC2Ubuntu11.10实例(8GiB)上测试Meteor，安装并登录后，我运行df命令查看核心文件消耗了多少内存(大约10%):Filesystem1K-blocksUsedAvailableUse%Mountedon/dev/xvda18256952782068705545610%/udev