在使用jupyternotebook进行深度学习训练时遇到CUDA内存不足的问题，这可能是由于GPU内存被先前的进程占用。通过运行nvidia-smi命令找出占用GPU的PID，然后使用taskkill命令终止相应进程，可以释放GPU内存并重启kernel以继续工作。
PyTorch 2.9
PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理
本人在对movingmnist数据集使用conlstm进行训练和测试时，会报错CUDA out of memory，当然这最主要的原因是gpu的内存不够。
但有时是jupyter notebook已经卷过一次在gpu中占了内存，但重新要卷加起来就内存不够，在这种 情况下就可以切断gpu进程，jupyter notebook中会显示kernel切断，以此重新开始。
具体操作为：
cmd打开窗口。
输入nvidia-smi查看gpu型号和使用进程PID（我的为17896和19232）
以停止19232为例，输入taskkill -PID 19232 -f，终止该进程。
您可能感兴趣的与本文相关的镜像
PyTorch 2.9
PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理
4510
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
