Pytorch释放显存占用方式

如果在python内调用pytorch有可能显存和GPU占用不会被自动释放，此时需要加入如下代码

torch.cuda.empty_cache()

我们来看一下官方文档的说明

Releases all unoccupied cached memory currently held by the caching allocator so that those can be used in other GPU application and visible in nvidia-smi.

Note

empty_cache() doesn't increase the amount of GPU memory available for PyTorch. See Memory management for more details about GPU memory management.

此外还可以使用

memory_allocated()和max_memory_allocated()

观察显存占用，并使用

memory_cached()和 max_memory_cached()

观察由缓存分配器管理的内存。

以上这篇Pytorch释放显存占用方式就是小编分享给大家的全部内容了，希望能给大家一个参考

您可能感兴趣的文章:

• 解决Pytorch 训练与测试时爆显存(out of memory)的问题
• 解决pytorch GPU 计算过程中出现内存耗尽的问题
• pytorch使用指定GPU训练的实例
• Pytorch GPU显存充足却显示out of memory的解决方式