CUDA out of memory. Tried to allocate 190.00 MiB

这个错误通常是由于显存不足导致的。您可以尝试以下几种方法来解决这个问题：

1. 减少批量大小（batch size）：减少每次训练时输入的样本数量，从而减少显存的使用。

2. 减少模型大小：可以通过减少模型的层数、减小每层的神经元数量等方式来减小模型的大小，从而减少显存的使用。

3. 使用更大的显存：如果您的显卡支持更大的显存，可以考虑升级显卡或者使用多张显卡并行训练。

4. 使用混合精度训练：使用混合精度训练可以将模型参数和梯度转换为半精度浮点数，从而减少显存的使用。

相关问题

CUDA out of memory. Tried to allocate 798.00 MiB

引用内存不足RuntimeError: CUDA out of memory. Tried to allocate 16.00 MiB (GPU 0； 2.00 GiB total cap..._cuda out of memory. tried to allocate 4.88 gib (gp_周小董的博客-CSDN博客 。 引用和引用中，都有类似的错误信息，显示了程序尝试分配的内存大小和GPU的总内存容量。根据这些信息，可以得出结论是分配的内存超过了GPU的容量，导致内存溢出。

为了解决这个问题，可以尝试以下几种方法：
1. 减少模型的参数数量或减少输入数据的尺寸，以降低内存需求。
2. 增加GPU的内存容量，可以考虑使用更高容量的GPU或者在多个GPU上进行计算。
3. 使用PyTorch的内存优化技术，例如使用torch.no_grad()来减少内存占用或使用torch.cuda.empty_cache()来释放缓存的内存。

总结来说，当出现CUDA out of memory错误时，需要注意内存的使用情况，适当调整模型和数据的大小，或者通过升级硬件来增加内存容量，以解决内存溢出的问题。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [CUDA out of memory. Tried to allocate 16.00 MiB (GPU 0； 6.00 GiB total capacity；总结（1）](https://blog.csdn.net/qq_38148600/article/details/120060303)[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^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* [解决：RuntimeError: CUDA out of ... Tried to allocate 160.00 MiB (GPU 0； 10.76 GiB total capacity..](https://blog.csdn.net/zcyzcyjava/article/details/127509058)[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^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

CUDA out of memory. Tried to allocate 102.00 MiB

当你在使用PyTorch运行模型时出现"RuntimeError: CUDA out of memory. Tried to allocate 102.00 MiB"的错误时，这表示你的GPU显存不足以分配所需的内存。

解决这个问题的方法有几种：
1. 将batch_size减小。减小每个batch的大小可以减少内存消耗。你可以尝试减小batch_size来看看是否能够解决问题。
2. 使用item()属性来获取torch变量的标量值。在取torch变量的标量值时，使用item()属性可以释放占用的内存。
3. 在测试阶段添加pin_memory=True选项。pin_memory是锁页内存，通过设置pin_memory=True可以加快将内存中的Tensor数据转移到GPU显存的速度。

你可以尝试以上方法来解决该错误。如果问题依然存在，可能需要考虑更换具有更大显存的GPU。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [解决方法：RuntimeError: CUDA out of memory. Tried to allocate ... MiB](https://blog.csdn.net/qq_44504069/article/details/130615637)[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: 50%"]
- *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: 50%"]
[ .reference_list ]