完整报错：
RuntimeError: CUDA out of memory. Tried to allocate 160.00 MiB (GPU 0; 10.76 GiB total capacity; 9.58 GiB already allocated; 135.31 MiB free; 9.61 GiB reserved in total by PyTorch)
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_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。
5.降低num_workers，num_workers参数是加载数据的线程数目，有可能电脑（服务器）的线程数不满足所配置的参数。如果电脑是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。
综合调小了num_workers和 batch_size后，报错消失，代码正常运行。以上五种方法都试一下，大部分报错可解决。
文章出处登录后可见！
已经登录？立即刷新
