关于pytorch:把pytorch变量转移到cpu中释放gpu内存

45次阅读

共计 457 个字符,预计需要花费 2 分钟才能阅读完成。

背景

我想要对一个大批量的数据分批输出模型失去所有的 embedding,然而过程进行到两头报 cuda out of memory。经查勘是因为 早些的 embedding 没有及时从 cuda 中开释内存 导致前面的 model 无奈进行 forward。

解决

只须要 pytorch 的 tensor.cpu()就能够开释了。
举个例子:

embeddings=[]
for batch in data_loader:
    embedding_batch=model(input_data)
    embeddings.append(embedding_batch.cpu()) # 不带 cpu 不能开释 cuda 内存,导致 oom

若不加 cpu(),会进行 20 多 batch 后 cuda out of memory。

后记

其实接触 torch tensor 曾经四年无余,往往对其 cpu()是因为 torch 与 numpy 数据不合乎,往往和 numpy()一起连用,本认为是对原 tensor 返回一个 cpu device 上的 tensor,不扭转原变量,没想到 cpu()居然是对原变量间接坐内存的变动,出其不意。

正文完
 0