我想在google collaboratory上的pythorch上实现SRGAN，但DataLoader的内存似乎已经发布，所以如果你转了纪元，就会发生内存错误 . 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
它变为48并且在1 echoch上发生了内存错误，如果将批量大小设置为8的1/6，则会在大约6个时期出现错误 .
我正在使用以下代码阅读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，也不会释放GPU的内存
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)
1 回答
每次通过模型传播时，Pytorch都会构建一个计算图 . 通常保留此图表，直到输出变量
G_loss超出范围，例如当循环的新迭代开始时 .但是，您将此损失附加到列表中 . 因此，变量仍然是python已知的，并且图形未被释放 . 您可以使用.detach()从当前图形中分离变量（这比我之前提出的
.clone()好，因为它也会复制张量的数据） .作为一个小的侧节点：在
train()函数中，在for循环中返回D_loss,G_loss，而不是在它之后;所以你总是只使用第一批 .