Pytorch DataLoader 内存未释放

Question

我想在google collaboratory上的pythorch上实现SRGAN，但是DataLoader的内存似乎被释放了，所以如果你转动epoch，就会出现内存错误。 如果您告诉我如何执行此操作以释放每批内存，我将不胜感激。 这是代码的github链接 https://github.com/pacifinapacific/Hello-World/blob/master/Untitled0.ipynb

已经48了，1个echoch发生内存错误， 如果将批量大小设置为 8 的 1/6，则在大约 6 epoch 时会出现错误。

我正在使用以下代码读取高分辨率和低分辨率图像。扩展图像文件夹

但是例如，即使执行学习时出现错误，GPU的内存也不会被释放

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)

Answer 1

每次通过模型传播时，Pytorch 都会构建一个计算图。该图通常会保留，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，该变量对于 python 来说仍然是已知的，并且图没有被释放。您可以使用

.detach()

将变量从当前图中分离（这比我之前提出的

.clone()

更好，因为它也会复制张量的数据）。

作为一个小侧节点：在

train()

函数中，您在

D_loss,G_loss

循环中返回

for

，而不是在其之后；所以你总是只使用第一批。