RuntimeError: CUDA out of memory. Tried to allocate 64.00 MiB

这个错误提示表示在尝试分配64.00 MiB的内存时，CUDA（计算统一设备架构）已经用完了内存。这通常是由于模型或数据太大，超出了GPU的可用内存所导致的。

要解决这个问题，你可以尝试以下几个方法：

1. 减小模型大小：尝试使用较小的模型或减少模型的层数和参数数量。

2. 减小批量大小：尝试减小每个批次中的样本数量，以减少内存需求。

3. 使用更高内存的GPU：如果你有多个GPU可用，可以尝试使用具有更高内存容量的GPU。

4. 使用分布式训练：使用多个GPU进行分布式训练，将模型参数和计算分布在不同的设备上，从而减少每个设备上的内存需求。

5. 使用混合精度训练：使用混合精度训练技术，如半精度浮点数（FP16），可以减少内存占用。

6. 清理GPU内存：在每个训练迭代之后显式地释放不再需要的中间结果和张量，可以通过调用`.detach()`或`.cpu()`方法来实现。

希望以上方法能够帮助你解决问题！如果还有其他疑问，请随时提问。

相关问题

RuntimeError: CUDA out of memory. Tried to allocate 14.00 MiB

这个错误是由于CUDA内存不足导致的。根据引用\[1\]和引用\[2\]的信息，你的GPU总容量为4.00 GiB或10.76 GiB，但已经分配了2.34 GiB或1.82 GiB的内存，剩余的内存不足以分配14.00 MiB的内存。这可能是由于你的模型或数据的规模过大，导致内存不足。你可以尝试减小batch size或者使用更小的模型来减少内存的使用。另外，你还可以尝试设置max_split_size_mb参数来避免内存碎片化。关于内存管理和PYTORCH_CUDA_ALLOC_CONF的更多信息，请参考PyTorch的文档。

此外，根据引用\[3\]的信息，你还可以通过手动杀死占用GPU内存的进程来释放内存。你可以使用kill命令加上进程的PID来终止该进程，例如kill -9 31272。

综上所述，你可以通过减小batch size、使用更小的模型、设置max_split_size_mb参数或手动杀死占用内存的进程来解决CUDA内存不足的问题。
#### 引用[.reference_title]
- *1* [已解决yolov5报错RuntimeError: CUDA out of memory. Tried to allocate 14.00 MiB](https://blog.csdn.net/Code_and516/article/details/129798540)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* *3* [解决RuntimeError: CUDA out of memory. Tried to allocate 14.00 MiB](https://blog.csdn.net/qq_43733107/article/details/126876755)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]

CUDA out of memory. Tried to allocate 64.00 MiB

当你在运行代码时遇到"CUDA out of memory. Tried to allocate 64.00 MiB"的错误，这表示你的GPU显存不足以分配所需的内存。这可能是由于你的代码中使用了太多的显存或者batch size设置过大导致的。

解决这个问题的方法有几种。首先，你可以尝试减小batch size的大小。通过减小每个batch的样本数量，你可以减少GPU所需的显存。这可能会导致训练速度变慢，但可以确保显存不会超出限制。

另外，你还可以使用item()属性来获取torch变量的标量值，而不是直接使用变量本身。使用item()属性可以释放掉不必要的显存。

如果以上方法无效，你可以尝试换一个显存更大的GPU，或者终止正在占用GPU的其他程序。请注意，在终止其他程序时要慎重操作，因为其他程序可能是其他用户正在运行的或者重要的程序。你可以使用命令行中的"nvidia-smi"命令来查看当前正在占用GPU的程序。

总结起来，解决"CUDA out of memory"错误的方法包括减小batch size、使用item()属性来获取标量值以释放显存、更换显存更大的GPU或终止正在占用GPU的其他程序。根据具体情况选择适合的解决方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [【报错笔记】pytorch RuntimeError: CUDA out of memory.](https://blog.csdn.net/qq_55407202/article/details/123695015)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *2* [pytorch模型提示超出内存RuntimeError: CUDA out of memory.](https://download.csdn.net/download/weixin_38552305/14884908)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *3* [解决：RuntimeError: CUDA out of ... Tried to allocate 64.00 MiB (GPU 0； 4.00 GiB total capacity； 2](https://blog.csdn.net/universe_R/article/details/124551674)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
[ .reference_list ]