如何解决在使用烧瓶时,mxnet通过动态形状输入导致gpu内存泄漏推断
对不起,我没有输入任何代码来证明
问题是:
当我使用一个简单的for循环时:
for _ in range(2000):
rnum = random.randint(1,5)
img = np.random.rand(rnum,3,112,112)
mxnet_model.inference(img)
它将正常工作
但是,如果我用烧瓶API覆盖了上面的代码
这将导致GPU内存泄漏... 太可怕了
解决方法
您发现的“泄漏”是由于此用例的内存池策略不合适。每次释放新空间时,为了避免频繁调用内存分配,MXNet会尝试将该空间缓存在内存池中,以备下次使用。 MXNet中的默认内存池策略是使用精确的大小匹配,这不适合由于高速缓存未命中而更改形状的情况。您可以通过设置环境变量MXNET_GPU_MEM_POOL_TYPE = Round来切换到舍入策略。
请参阅参考资料:https://mxnet.apache.org/versions/1.6/api/faq/env_var#memory-options
,感谢Szha的回答。
但是设置环境变量MXNET_GPU_MEM_POOL_TYPE实际上对我不起作用。
我最终将输入填充为固定大小,并剥离随机的额外输出。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。