【Pytorch】RuntimeError: CUDA out of memory 问题解决_runtimeerror: cudnn error: cudnn_status_internal_e

情况一：
显示free的内存足够分配，但仍然报CUDA out of memory错误。
如（仅举例）：RuntimeError: CUDA out of memory. Tried to allocate 26.00 MiB (GPU 0; 10.73 GiB total capacity; 9.55 GiB already allocated; 2.10 GiB free; 19.44 MiB cached)

情况二：
RuntimeError: cuDNN error: CUDNN_STATUS_INTERNAL_ERROR
You can try to repro this exception using the following code snippet. If that doesn’t trigger the error, please include your original repro script when reporting this issue.

解决方法：
前两种情况在修改数据加载函数（根据代码有所不同）中的num_workers 参数后解决。
num_workers参数是加载数据的线程数目，有可能电脑的线程数不满足所配置的参数。我的电脑是8线程，参数调为8就不合适，可相应降低。但num_worker越小，训练越慢，可权衡后调整。
解决办法出处：https://www.cxymm.net/article/yapifeitu/109004902

查看自己电脑线程数的方法：
1.WIN+R
2.输入wmic回车
3.输入cpu get numberOfLogicalProcessors回车

情况三：
GPU内存确实不足：
RuntimeError: CUDA out of memory. Tried to allocate 26.00 MiB (GPU 0; 10.73 GiB total capacity; 9.55 GiB already allocated; 28.31 MiB free; 19.44 MiB cached)

解决方法：
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_cache()函数。加在训练开始前即可。
3.释放GPU内存，kill掉没用的进程。
4.更改使用的显卡。这里大多指在服务器上运行，没有制定显卡，都默认使用第一张，或者多人使用，产生的不足。参考：https://blog.csdn.net/weixin_43525427/article/details/104865262
————————————————
版权声明：本文为CSDN博主「柠檬啵」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_41401924/article/details/120851573