【已解决】探究CUDA out of memory背后原因，如何释放GPU显存？_业界新闻

发布时间:2024-07-29 09:59

阅读量:0

1 问题背景

研究过深度学习的同学，一定对类似下面这个CUDA显存溢出错误不陌生

RuntimeError: CUDA out of memory. Tried to allocate 916.00 MiB (GPU 0; 6.00 GiB total capacity; 4.47 GiB already allocated; 186.44 MiB free; 4.47 GiB reserved in total by PyTorch)

本文探究CUDA的内存管理机制，并总结该问题的解决办法

2 问题探索

2.1 CUDA固有显存

在实验开始前，先清空环境，终端输入nvidia-smi

接下来向GPU存入一个小的张量

import torch device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') torch.randn((2, 3), device=device)

占用显存情况如下，共计448M

而当我们增大张量的尺寸，例如

torch.randn((200, 300, 200, 20), device=device)

此时GPU占用也随之上升，共计1362M

这表明：GPU显存占用率和存入的数据尺寸成正相关，越大的数据占用显存越多，这其实是废话，但是把这句话反过来：越小的数据占用显存越小吗？做个实验

torch.randn((1, 1), device=device)

仍然占用448M

事实上，这是因为CUDA运行时，其固件会占用一定的显存，在本机软硬件环境下是448M，不同的CUDA版本或显卡型号固件显存不同。换言之，只要使用了GPU，就至少会占 $x$ M的显存，且这部分显存无法被释放。

2.2 显存激活与失活

给出以下代码，请问哪一个会报错？

代码A

x1 = torch.randn((200, 300, 200, 20), device=device) x2 = torch.randn((200, 300, 200, 20), device=device) x3 = torch.randn((200, 300, 200, 20), device=device) x4 = torch.randn((200, 300, 200, 20), device=device) x5 = torch.randn((200, 300, 200, 20), device=device) x6 = torch.randn((200, 300, 200, 20), device=device)

代码B

x = torch.randn((200, 300, 200, 20), device=device) x = torch.randn((200, 300, 200, 20), device=device) x = torch.randn((200, 300, 200, 20), device=device) x = torch.randn((200, 300, 200, 20), device=device) x = torch.randn((200, 300, 200, 20), device=device) x = torch.randn((200, 300, 200, 20), device=device)

答案可以猜到，代码A报错了，这与CUDA显存的激活机制有关。可以把CUDA当前的数据空间看成一个队列，队列中有两种内存——激活内存(Activate Memory)和失活内存(Unactivate Memory)。当一块内存不再被变量所引用时，这块内存就由激活内存转为失活内存，但它仍然存在于这个数据队列中。

接下来，一块新的数据被添加进来，CUDA就会释放掉一部分失活内存，用于存放新的数据。如果新的数据占用空间大于队列中的所有失活内存，就会从显存再申请一部分空间添加到队列，相当于队列的容量被扩充了；如果新的数据占用空间约等于队列中的失活内存，那么CUDA显存的占用率就几乎不变

可以实验验证，运行

x = torch.randn((200, 300, 200, 20), device=device) x = torch.randn((200, 300), device=device)

的显存占用为1364M，与单独运行

x = torch.randn((200, 300, 200, 20), device=device)

的1362M相比差不多，但是新的数据占用空间大于队列中的所有失活内存时

x = torch.randn((200, 300, 200, 20), device=device) x = torch.randn((300, 300, 300, 20), device=device)

显存占用就飙升到3422M。当数据队列达到某个阈值时，CUDA会触发垃圾回收机制，清理失活内存。

上述实验解释了深度学习中非常常见的代码

for images, labels in train_bar: 	images, labels = images.to(config.device), labels.to(config.device) 	# 梯度清零 	opt.zero_grad() 	# 正向传播 	outputs = model(images) 	# 计算损失 	loss = F.cross_entropy(outputs, labels) 	# 反向传播 	loss.backward() 	# 模型更新 	opt.step()

为什么能维持GPU显存不变。本质上，这就是上面代码B的执行过程。

2.3 释放GPU显存

运行下面的命令可以手动清理GPU数据队列中的失活内存

torch.cuda.empty_cache()

需要注意的是，上述命令可能要运行多次才会释放空间，比如

x = torch.randn((200, 300, 200, 20), device=device) x = torch.randn((200, 300, 200, 20), device=device) x = torch.randn((200, 300, 200, 20), device=device) x = torch.randn((200, 300, 200, 20), device=device) x = torch.randn((200, 300, 200, 20), device=device) x = torch.randn((200, 300, 200, 20), device=device) x = 1

此时x指向了int型，所以GPU数据队列中的空间均未被变量引用，说明队列中全部都是失活内存，但此时运行nvidia-smi仍有2278M的占用，进一步运行torch.cuda.empty_cache()后即可恢复到448M的基础占用——虽然现在没有数据在GPU上，但固件已经开始运行，因此占用无法被释放。

3 问题总结

关于CUDA GPU显存管理的总结：

GPU显存占用率和存入的数据尺寸成正相关，越大的数据占用显存越多
只要使用了GPU，就至少会占 $x$ M的显存，且这部分显存无法被释放
当一块内存不再被变量所引用时，这块内存就由激活内存转为失活内存，但它仍然存在于这个数据队列中
当数据队列达到某个阈值时，CUDA会触发垃圾回收机制，清理失活内存
运行torch.cuda.empty_cache()可以手动清理失活内存

那么根据上述理论，就可以得到对应的问题解决方案

调小batch_size
本质上是防止GPU数据队列向显存申请的空间大于显存本身
检查是否有数据持续存入GPU而未释放
举个例子：
```
app = [] for _ in range(1000): 	app.append(torch.randn((200, 300, 200, 20), device=device)) 
```
这里append函数相当于获得张量torch.randn((200, 300, 200, 20), device=device)的拷贝存入列表，因此每次存入的张量都会被隐式地引用，GPU持续地增加激活内存而不被释放，导致崩溃。
训练过程中的测试阶段和验证阶段前插入代码with torch.no_grad()
原理是不计算梯度，从而不用GPU加速运算，不会把数据再加到数据队列中