PyTorch-lightning 模型在第一个纪元后内存不足

如何解决PyTorch-lightning 模型在第一个纪元后内存不足

我在 PyTorch 上看到了一个 Kaggle 内核，并使用相同的 img_size、batch_size 等运行它，并创建了另一个具有完全相同值的 PyTorch-lightning 内核，但我的闪电模型在大约 1.5 个 epoch 后内存不足（每个 epoch 包含 8750步骤）在第一次折叠，而原生 PyTorch 模型运行整个 5 次折叠。有没有办法改进代码或释放内存？我本可以尝试删除模型或进行一些垃圾收集，但如果它甚至没有完成第一次折叠，我就无法删除模型和东西。

def run_fold(fold):
    
    df_train = train[train['fold'] != fold]
    df_valid = train[train['fold'] == fold]
    
    train_dataset = G2NetDataset(df_train,get_train_aug())
    valid_dataset = G2NetDataset(df_valid,get_test_aug())
    
    train_dl = DataLoader(train_dataset,batch_size = config.batch_size,num_workers = config.num_workers,shuffle = True,drop_last = True,pin_memory = True)
    
    valid_dl = DataLoader(valid_dataset,shuffle = False,drop_last = False,pin_memory = True)
    
    
    model = Classifier()
    logger = pl.loggers.WandbLogger(project='G2Net',name=f'fold: {fold}')
    
    trainer = pl.Trainer(gpus = 1,max_epochs = config.epochs,fast_dev_run = config.debug,logger = logger,log_every_n_steps=10)
    
    trainer.fit(model,train_dl,valid_dl)
    result = trainer.test(test_dataloaders = valid_dl)
    wandb.run.finish() 
    return result

def main():   
    if config.train:
        results = []
        for fold in range(config.n_fold):
            result = run_fold(fold)
            results.append(result)      
    return results

results = main()

解决方法

如果不查看您的模型类，我不能说太多，但我遇到的几个可能的问题是日志记录的度量和损失评估。 例如，像

这样的东西

pl.metrics.Accuracy(compute_on_step=False)

需要并显式调用 .compute()

def training_epoch_end(self,outputs):
    loss = sum([out['loss'] for out in outputs])/len(outputs)
    self.log_dict({'train_loss' : loss.detach(),'train_accuracy' : self.train_metric.compute()})

在纪元结束时。