RuntimeError: DefaultCPUAllocator: not enough memory: you tried to allocate 1105920 bytes.

原创

已于 2022-08-23 01:27:07 修改 · 1.8w 阅读

标签

#深度学习 #pytorch #人工智能 #torch

收录于

于 2022-08-17 21:05:31 首次发布

在使用PyTorch进行YOLOV7的CPU预测时，遇到内存不足的问题。分析发现，是因为tensor的requires_grad为True导致反向传播过程中内存消耗过大。解决方案是在测试时使用with torch.no_grad()，避免模型保存梯度，从而解决内存不足的问题。

问题

RuntimeError: [enforce fail at ..\c10\core\CPUAllocator.cpp:76] data. DefaultCPUAllocator: not enough memory: you tried to allocate 1105920 bytes.

在这里插入图片描述

今天在使用自己电脑跑YOLOV7的时候，因为自己没有GPU所以使用CPU来跑测试模型，使用CPU来进行一张独立的图像进行预测，跑一张图像完全没有问题，非常的nice！！！但是，但是我接下来进行一段视频（多张图像）的预测，他给我说内存分配不足，

DefaultCPUAllocator: not enough memory: you tried to allocate 1105920 bytes.,

而且它这个不是在跑第二张图像的是后出现的，是在计算第17张图像时出现，后面多次内存释放都不行~~~~~~~~

分析

在pytorch中，tensor有一个requires_grad参数，如果设置为True，则反向传播时，该tensor就会自动求导。tensor的requires_grad的属性默认为False,若一个节点（叶子变量：自己创建的tensor）requires_grad被设置为True，那么所有依赖它的节点requires_grad都为True（即使其他相依赖的tensor的requires_grad = False）