我正在尝试在Caffe上训练一个网络。我的图像大小为512x640。批量大小为1.我正在尝试实施FCN-8s。
我目前在拥有4GB GPU内存的Amazon EC2实例（g2.2xlarge）上运行此功能。但是当我运行求解器时，它会立即抛出错误
Check failed: error == cudaSuccess (2 vs. 0) out of memory *** Check failure stack trace: *** Aborted (core dumped)
有人可以帮助我从这里开始吗？
答案 0 :(得分：15)
你得到的错误确实是内存不足，但它不是RAM，而是GPU内存（注意错误来自CUDA）。
通常，当caffe内存不足时 - 首先要做的是减少批量大小（以gradient accuracy为代价），但是因为你已经批量大小= 1 ...
对于两者 TRAIN和TEST阶段，您确定批量大小为1吗？
答案 1 :(得分：2)
Caffe可以使用多个GPU。这只在C ++接口中支持，而不是在python中支持。您还可以启用cuDNN以降低内存占用量。
答案 2 :(得分：0)
在具有以下配置的PC上运行Deeplab v2时，我面临类似的问题：
----------
OS: Ubuntu 18.04.3 LTS (64-bit)
----------
Processor: Intel Core i7-6700k CPU @ 4.00 GHz x 8
----------
GPU: GeForce GTX 780 (3022 MiB)
----------
RAM : 31.3 GiB
----------
将测试和训练的批量大小都更改为1并没有帮助我。但是，改变输出图像的尺寸确实可以！