同一model可以进行批量大小为5的训练。由于相同的错误，我在训练期间将批次大小从80减少到5。我使用的是GPU，它具有11GB的内存，而不是Titan X（12GB的内存），这是作者在实际实验中使用的。
但是，现在正在测试中，它只有batch-size = 1，它没有运行。
该问题处于I-frame model测试阶段，另外两个模型已经成功产生了测试结果。
以下是我的测试命令：
time python test.py --arch resnet152 --data-name ucf101 --representation iframe --data-root data/ucf101/mpeg4_videos --test-list data/datalists/ucf101_split1_test.txt --weights ucf101_iframe_model_iframe_model_best.pth.tar --save-scores iframe_score_file
我已经使用nvidia-smi来确保GPU上没有其他东西在运行。
以下是实际的错误消息：
RuntimeError: CUDA out of memory. Tried to allocate 384.00 MiB (GPU 0; 10.92 GiB total capacity; 10.12 GiB already allocated; 245.50 MiB free; 21.69 MiB cached)
可能是什么问题，以及如何解决？
答案 0 :(得分：0)
我建议您可以先检查测试代码。
您可以尝试：
with torch.no_grad():
它将减少原本需要require_grad = True的计算的内存消耗。
原始答案（如果您有更大的GPU，则可以尝试）：
也许模型本身和参数会占用大量内存。
您可以在以前使用的Titan X GPU上尝试“ batch-size = 1”，并查看GPU内存使用量是否超过11 GB。如果是这样，您现在使用的GPU（11 GB内存）可能不适合此工作。
答案 1 :(得分：0)
通过在问题中给出的测试命令中添加以下标志，我已经在内存高达8GB的GPU上运行了该模型/测试：
--test-crops 1