running through CUDA OutOfMemory error
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 8/100
- Tipo di issue
- Bug
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- pytorch
- Ambito
- machine-learning
Direzione di ricerca
The report is a CUDA out-of-memory traceback from a PyTorch training run, with no code, script or failing test named. There is no clear entry point in this repository to start from. The issue has gone 884 days with no comments and no reproduction, so a newcomer would first have to ask for the failing script and model configuration before any change could be made.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
I'm always getting cuda OutOfMemory error :
torch.cuda.OutOfMemoryError: CUDA out of memory. Tried to allocate 7.50 GiB. GPU 0 has a total capacity of 21.99 GiB of which 6.62 GiB is free. Including non-PyTorch memory, this process has 15.35 GiB memory in use. Of the allocated memory 6.15 GiB is allocated by PyTorch, and 8.71 GiB is reserved by PyTorch but unallocated. If reserved but unallocated memory is large try setting PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True to avoid fragmentation. See documentation for Memory Management (
https://pytorch.org/docs/stable/notes/cuda.html#environment-variables)
I already reduced batch size and I placed torch.cuda.empty_cache() everywhere in my script, but still not enough...
### I'm using :
pip list | grep cuda
nvidia-cuda-cupti-cu11 11.8.87
nvidia-cuda-nvrtc-cu11 11.8.89
nvidia-cuda-runtime-cu11 11.8.89
nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2024 NVIDIA Corporation
Built on Thu_Mar_28_02:18:24_PDT_2024
Cuda compilation tools, release 12.4, V12.4.131
Build cuda_12.4.r12.4/compiler.34097967_0
pip list | grep torch
pytorch-lightning 2.1.2
pytorch-triton 3.0.0+989adb9a29
torch 2.2.1+cu118
torchaudio 2.2.1+cu118
torchmetrics 1.3.2
torchvision 0.17.1+cu118
- Lingua principale
- Jupyter Notebook
- Stelle
- 5.3k
- Fork
- 1.7k
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di tensorflow/tpu
-
Difficoltà 2/5 Mezza giornata Idoneità per principianti 62/100
tensorflow/tpu#3542 ·
-
imagenet_to_gcs.pyAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
tensorflow/tpu#951 · 2 reazioni ·
-
Broken linkAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 70/100
tensorflow/tpu#908 ·
-
Bug in imagenet_to_gcs.pyAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 62/100
tensorflow/tpu#889 · 1 commento · 1 reazione ·
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
tensorflow/tpu#582 · 1 commento ·
Tutte le issue di tensorflow/tpu
Issue simili
-
needs-triage
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
flashinfer-ai/flashinfer#9803 ·
I maintainer di solito rispondono entro 1 giorno
-
bug module: rl
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
NVIDIA/Megatron-LM#9644 ·
I maintainer di solito rispondono entro 2 giorni
-
`build_flavor_config_from_local_checkpoint` fails with transformers 5.23.0: pipeline `impl` is now a dotted-path stringForse già presa @mlflow-app l’ha presa oggi. Apertahas-closing-pr nightly triage: reproduced
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
mlflow/mlflow#28000 · 2 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
X-PLUG/MobileAgent#304 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
FluxML/Optimisers.jl#254 ·