Pytorch运行过程中解决出现内存不足的问题

1. 前提

利用Transformer模型进行O3浓度的反演

2. 问题

2.1 速度慢

一开始模型是在CPU上面跑的，为了加快速度，我改成了在GPU上跑

方法如下：

1、验证pytorch是否存在GPU版本

在Pycharm命令行输入

import torch
print(torch.cuda.is_available)
# 若输出为True,则存在GPU版本
# 若输出为False,则不存在GPU版本

我的输出为True，说明pytorch是存在GPU版本的

2、将模型从CPU版本转换到GPU版本

• 声明使用GPU（指定具体的卡）

  PS：torch.device()是装torch.Tensor的一个空间。

  device=torch.device('cuda' if torch.cuda.is_available() else 'cpu')
  # 'cuda' 这里如果没有指定具体的卡号,系统默认cuda:0
  device = torch.device('cuda:2') 		# 使用2号卡
  

  • 将模型（model）加载到GPU上

    model = Transformer()	#例子中，采用Transformer模型
    model.to(device)
    

    • 将数据和标签放到GPU上【注意！什么数据可以被放入GPU-Tensor类型的数据】

      # 只有Tensor类型的数据可以放入GPU中
      # 可以一个个【batch_size】进行转换
      inputs = inputs.to(device)
      labels = labels.to(device)
      

      如果结果还是显示你是在CPU上进行训练，要不就是模型没有加进去，要不就是数据没有加进去

      2.2 内存不足

      1. 在使用CPU时，出现了内存不足的情况

      RuntimeError: [enforce fail at C:\cb\pytorch_1000000000000\work\c10\core\impl\alloc_cpu.cpp:72] data. DefaultCPUAllocator: not enough memory: you tried to allocate 280410627200 bytes.

      1. 在使用GPU时，出现了内存不足的情况

      torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 261.15 GiB (GPU 0; 8.00 GiB total capacity; 487.30 MiB already allocated; 5.71 GiB free; 506.00 MiB reserved in total by PyTorch) If reserved memory is >> allocated memory try sett

      我的模型在训练的时候没有问题，在进行预测的时候，总是出现内存不足

      （1）一开始我以为是batch_size大小的问题，在从128更改到4后，发现依旧存在问题，这说明不是batch_size大小的问题。

      （2）然后，我猜测是反演过程的问题

      我在进行模型反演的过程中，直接将全部数据输入到模型model中（大概有10万行），为了验证这个问题，我添加了一个for循环，一个一个数据的反演

      

      问题解决！

      ---

      学习链接：

      • pytorch 中判断和指定模型和数据在GPU或CPU上–有用
      • Pytorch | GPU | 将代码加载到GPU上运行
      • pytorch中cuda out of memory问题