如何通过Pytorch有效释放显存占用？

本文共计227个文字，预计阅读时间需要1分钟。

如果在Python中调用PyTorch且存在GPU内存占用，不会自动释放，需要手动释放。可以使用以下代码：

pythontorch.cuda.empty_cache()

官方文档说明：释放所有当前由ca持有的未占用的缓存内存。

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，也希望大家多多支持易盾网络。