如何有效缓解Tensorflow导致的GPU显存占用过高问题?
- 内容介绍
- 文章标签
- 相关推荐
本文共计338个文字,预计阅读时间需要2分钟。
在使用PyTorch进行模型训练时,发现真实模型对显存占用并不明显,但转换为TensorFlow后(包括权重转换),Python-TensorFlow在运行时默认吃掉所有显存,且不手动释放。
我使用Pytorch进行模型训练时发现真正模型本身对于显存的占用并不明显,但是对应的转换为tensorflow后(权重也进行了转换),发现Python-tensorflow在使用时默认吃掉所有显存,并且不手动终结程序的话显存并不释放(我有两个序贯的模型,前面一个跑完后并不释放占用显存)(github.com/tensorflow/tensorflow/issues/1727),这一点对于后续的工作有很大的影响。
本文共计338个文字,预计阅读时间需要2分钟。
在使用PyTorch进行模型训练时,发现真实模型对显存占用并不明显,但转换为TensorFlow后(包括权重转换),Python-TensorFlow在运行时默认吃掉所有显存,且不手动释放。
我使用Pytorch进行模型训练时发现真正模型本身对于显存的占用并不明显,但是对应的转换为tensorflow后(权重也进行了转换),发现Python-tensorflow在使用时默认吃掉所有显存,并且不手动终结程序的话显存并不释放(我有两个序贯的模型,前面一个跑完后并不释放占用显存)(github.com/tensorflow/tensorflow/issues/1727),这一点对于后续的工作有很大的影响。

