深度学习数据训练常见问题及总结（一）：GPU显存不足（解决核心已转储）

最新推荐文章于 2024-03-21 10:05:15 发布

S.T.A.R.

最新推荐文章于 2024-03-21 10:05:15 发布

阅读量7k

点赞数 3

文章标签：深度学习 tensorflow

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_44886683/article/details/104318700

版权

本文分享了在10G显存GPU上运行UNET模型的经验，指出通过调整batchsize可以有效提升模型训练效果。具体而言，当batchsize设置为6时模型可能无法收敛，而增加到8时则表现出良好的收敛趋势。文章还提及了batchsize对训练时间的影响，并附带了一个有趣网址的解释。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一切从解决这个bug开始
在这里插入图片描述

改小batch size就能用了

在这里插入图片描述

在这里插入图片描述

Linux

(base) root@7f770f0ddb6c:~# nvidia-smi

在这里插入图片描述

我自己的经验：
在这里插入图片描述
10G显存跑UNET，batch size=6/8是够用的，其实batch size 对时间影响是很大的，虽然自身没有体会过，但的确经历过=6不收敛=8就有收敛趋势的情况，下图来自一个有趣的网址，解释的很好这里

评论 2

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。