当我增加批量大小时，为啥 tensorflow GPU 内存使用量会减少？

Posted 2023-03-12

【中文标题】当我增加批量大小时，为啥 tensorflow GPU 内存使用量会减少？

【英文标题】：Why tensorflow GPU memory usage decreasing when I increasing the batch size?当我增加批量大小时，为什么 tensorflow GPU 内存使用量会减少？

【发布时间】：2018-05-10 08:05:20

【问题描述】：

最近我使用 Tensorflow 和 PyTorch 实现了一个 VGG-16 网络，数据集是 CIFAR-10。每张图片为32 * 32 RGB。

我一开始使用 64 的批大小，而我发现 PyTorch 使用的 GPU 内存比 tensorflow 少得多。然后我做了一些实验，得到了一个数字，贴在下面。

经过一番研究，我知道了使用 BFC 算法管理内存的 tensorflow。所以它可以解释为什么 tensorflow 的内存使用减少或增加 2048、1024、... MB 并且有时当批处理大小更大时内存使用不增加。

但我仍然很困惑，为什么当批处理大小为 512 时，内存使用量比批处理大小为 384、448 等时的内存使用量更低，而批处理大小较小。与batch size为1024到1408，batch size为2048到2688时相同。

这是我的源代码：

PyTorch:https://github.com/liupeng3425/tesorflow-vgg/blob/master/vgg-16-pytorch.py

张量流：https://github.com/liupeng3425/tesorflow-vgg/blob/master/vgg-16.py

---

编辑： 我的电脑上有两台 Titan XP，操作系统：Linux Mint 18.2 64 位。

我使用命令 nvidia-smi 确定 GPU 内存使用情况。

我的代码在我的代码中定义的 GPU1 上运行：

os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = "1"

而且我确信只有一个应用程序使用 GPU1。

GPU 内存使用情况可以通过下面的应用程序列表来确定。 例如，就像下面发布的屏幕截图一样，进程名称为/usr/bin/python3，其 GPU 内存使用量为 1563 MiB。

【问题讨论】：

你是如何确定内存使用的？默认情况下，TensorFlow 分配all available GPU memory。

@aseipel 感谢您的建议！我已经更新了我的问题。

TensorFlow 在开始时会分配所有可用的 GPU 内存，因此使用 nvidia-smi 进行测量不会给出准确的测量结果。相反，您应该使用 RunMetadata 进行测量：***.com/questions/36123740/…

你得到答案了吗？我的代码也有类似的问题。当我采用批量大小为 128 和 256 时，分配了相同数量的 GPU 内存，它从 64 增长到 128，从 256 增长到 512。

【参考方案1】：

如 cmets 中所述，默认情况下，TensorFlow 总是占用 GPU 上的所有内存。我假设您已为此测试禁用了该功能，但它确实表明算法通常不会尝试最小化保留的内存，即使它并未全部用于计算。

为了找到适合您的设备和代码的最佳配置，TensorFlow 通常会多次运行（部分）第一个计算。我怀疑这包括将数据预加载到 GPU 上的设置。这意味着您看到的数字恰好是您的设备和配置的最佳值。

由于 TensorFlow 不介意使用更多内存，因此此处的“最佳”是通过速度而非内存使用量来衡量的。