本文总结了PyTorch训练过程中遇到的几种典型错误：无法下载资源、DataLoader设置、cuDNN错误和CUDA内存不足。针对这些问题，提出了相应的解决策略，包括寻找备用链接、调整DataLoader的num_workers参数、检查GPU配置以及适当降低batch_size来避免CUDA内存溢出。
RuntimeError: Failed downloading url http://…
这个挺直白的，就是无法下载这个链接，所以我们需要重新去寻找可用的链接（比如一些预训练模型之类的）
OSError: [WinError 1455] 页面文件太小，无法完成操作。 Error loading “D:\Anaconda3\envs\pytorch\lib\site-packages\torch\lib\caffe2_detectron_ops_gpu.dll” or one of its dependencies.
这个的问题是pytorch的DataLoader中一个num_worker要设置为0.
RuntimeError: cuDNN error: CUDNN_STATUS_INTERNAL_ERROR
这个应该是GPU号码对应的问题，因为有些模型之前是用多卡训练的，如果是单卡的话就得记得调整回来
RuntimeError: CUDA out of memory. Tried to allocate 72.00 MiB (GPU 0; 6.00 GiB total capacity; 1.21 GiB already allocated; 3.11 GiB free; 1.25 GiB reserved in total by PyTorch)
这个报错是因为显卡一下子装不了那么多东西，我是靠调整batch size解决的，当然在可行的情况下batch size还是越大越好
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
