解決Pytorch內(nèi)存溢出,Ubuntu進(jìn)程killed的問題
pytorch顯存越來越多的一個原因
optimizer.zero_grad() loss.backward() optimizer.step() train_loss += loss
參考了別人的代碼發(fā)現(xiàn)那句loss一般是這樣寫
loss_sum += loss.data[0]
這是因為輸出的loss的數(shù)據(jù)類型是Variable。而PyTorch的動態(tài)圖機制就是通過Variable來構(gòu)建圖。主要是使用Variable計算的時候，會記錄下新產(chǎn)生的Variable的運算符號，在反向傳播求導(dǎo)的時候進(jìn)行使用。如果這里直接將loss加起來，系統(tǒng)會認(rèn)為這里也是計算圖的一部分，也就是說網(wǎng)絡(luò)會一直延伸變大那么消耗的顯存也就越來越大。
用Tensor計算要寫成：
train_loss += loss.item() correct_total += torch.eq(predict, label_batch).sum().item() train_loss += loss.item()
當(dāng)需要將模型中變量提取出來參與計算時，需要使用** .item()**
補充：linux下運行pytorch程序顯示“killed”或者“已殺死”
這是由pytorch對于內(nèi)存不足的反應(yīng)，確切說，是Linux內(nèi)核對pytorch程序占用太多內(nèi)存的反應(yīng)。Linux內(nèi)核一旦因為內(nèi)存資源不足而生氣的時候，會使用OOM killer將占用內(nèi)存最多的進(jìn)程殺掉。
這種情況下，pytorch的python程序根本就來不及顯示相關(guān)的內(nèi)存日志，直接在呼喊出killed這一個簡短有力的詞語后，就game over了。如果不提前掌握這個背景的話，你可真是會手足無措啊。
既然我們確定了是內(nèi)存不足導(dǎo)致的問題（dmesg也能明確的顯示出kernel把占了近10個GB的python進(jìn)程給kill了），
那我們的解決方案就有2個：
第一個是加大內(nèi)存，將我的x99平臺的內(nèi)存從16GB增加到64GB；這個方案先放棄了，因為內(nèi)存條漲價太猛，我買不起了；
第二個是增加swap分區(qū)，當(dāng)然性能會降低，但不需要額外增加成本。所以Gemfield今天的選擇就是第二個方案。
1、先禁止掉swap功能
sudo swapoff /swapfile
這個命令執(zhí)行之后，如果你用free命令查看的話會發(fā)現(xiàn)swap分區(qū)的大小變?yōu)榱?。
2、增加 /swapfile的大小
sudo dd if=/dev/zero of=/swapfile bs=1M count=30720 oflag=append conv=notrunc
這個命令會在現(xiàn)有的/swapfile后面追加30GB，加上之前的2GB的swap分區(qū)，現(xiàn)在共有32個GB的swap分區(qū)了。如果按照固態(tài)硬盤128GB有300多塊錢來算的話，這個命令花了七八十塊錢呢。
3、設(shè)置這個文件為swap分區(qū)的掛載點：
sudo mkswap /swapfile
4、再次啟用swap
sudo swapon /swapfile
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
淺談Python實現(xiàn)opencv之圖片色素的數(shù)值運算和邏輯運算
今天帶大家來學(xué)習(xí)的是關(guān)于Python的相關(guān)知識,文章圍繞著圖片色素的數(shù)值運算和邏輯運算展開,文中有非常詳細(xì)的的介紹及代碼示例,需要的朋友可以參考下2021-06-06
python實現(xiàn)skywalking的trace模塊過濾和報警(實例代碼)
Skywalking可以對鏈路追蹤到數(shù)據(jù)進(jìn)行告警規(guī)則配置，例如響應(yīng)時間、響應(yīng)百分比等。發(fā)送警告通過調(diào)用webhook接口完成。webhook接口用戶可以自定義。本文給大家介紹python實現(xiàn)skywalking的trace模塊過濾和報警，感興趣的朋友跟隨小編一起看看吧2021-12-12
在jupyter notebook中使用pytorch的方法
這篇文章主要介紹了在jupyter notebook中使用pytorch的方法,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2022-09-09
這篇文章主要介紹了Python字符串處理的8招秘籍，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
Python被人詬病最多的大概就是性能差，在這里講一下 Python 的多進(jìn)程，多線程與協(xié)程。首先聲明這不是教程，看完這篇文章，大概能夠?qū)?Python 的多進(jìn)程與多線程有一定的了解。2016-07-07
更換Django默認(rèn)的模板引擎為jinja2的實現(xiàn)方法
今天小編就為大家分享一篇更換Django默認(rèn)的模板引擎為jinja2的實現(xiàn)方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-05-05
在編程中,字符串操作是一項基本技能,常見的操作包括大小寫轉(zhuǎn)換、字符串替換、倒序、統(tǒng)計、切片、切割、清理和對齊等,查找方法如find()、rfind()、index()和rindex()用于定位子串,字符串可以通過"+"號或join()方法拼接,去重技巧等,都是常見的字符串處理需求2024-10-10
詳解使用python爬取抖音app視頻(appium可以操控手機)
這篇文章主要介紹了詳解使用python爬取抖音app視頻(appium可以操控手機)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-01-01
Python+unittest+DDT實現(xiàn)數(shù)據(jù)驅(qū)動測試
這篇文章主要介紹了Python+unittest+DDT實現(xiàn)數(shù)據(jù)驅(qū)動測試,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-11-11
文本預(yù)處理是指在進(jìn)行自然語言處理（NLP）任務(wù)之前，對原始文本數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換和標(biāo)準(zhǔn)化的過程，本文主要為大家介紹了文本預(yù)處理的使用，需要的可以參考下2023-07-07