Question

我想在Google合作实验室的pythorch上实现SRGAN，但是DataLoader的内存似乎已释放，因此如果您转为纪元，则会发生内存错误。如果您告诉我如何执行此操作以释放每批内存，将不胜感激。这是代码的github链接 https://github.com/pacifinapacific/Hello-World/blob/master/Untitled0.ipynb

它变成48，并且在1次回波时发生了内存错误，如果将批量大小设置为8的1/6，则会在大约6个纪元时出现错误。

我正在使用以下代码读取高分辨率和低分辨率图像。扩展ImageFolder

但是例如，即使执行学习时发生错误，GPU的内存也不会释放

class DownSizePairImageFolder(ImageFolder):
def __init__(self, root, transform=None, large_size=256, small_size=64, **kwds):
    super().__init__(root, transform=transform, **kwds)
    self.large_resizer = transforms.Scale(large_size)
    self.small_resizer = transforms.Scale(small_size)

def __getitem__(self, index):
    path, _ = self.imgs[index]
    img = self.loader(path)
    large_img = self.large_resizer(img)
    small_img = self.small_resizer(img)
    if self.transform is not None:
        large_img = self.transform(large_img)
        small_img = self.transform(small_img)
    return small_img, large_img


train_data = DownSizePairImageFolder('./lfw-deepfunneled/train',   transform=transforms.ToTensor())
test_data = DownSizePairImageFolder('./lfw-deepfunneled/test',    transform=transforms.ToTensor())
batch_size = 8
train_loader = DataLoader(train_data, batch_size, shuffle=True)
test_loader = DataLoader(test_data, batch_size, shuffle=False)

Answer 1

每次在模型中传播时，Pytorch都会构建一个计算图。此图通常会保留，直到输出变量G_loss超出范围，例如。当循环中的新迭代开始时。

但是，您将此损失附加到列表中。因此，python仍然知道该变量，并且该图未释放。您可以使用.detach()从当前图形中分离变量（这比我之前建议的.clone()好，因为它也会复制张量的数据）。

作为一个小的副节点：在train()函数中，您在D_loss,G_loss循环中返回for，而不是在循环之后；因此您始终只能使用第一批。

Pytorch DataLoader内存未释放

1 个答案: