本文主要是介绍找不到GPU资源——[显存充足，但是却出现CUDA error:out of memory错误]，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
说明:
- 系统：Centos（Redhat）
- 环境：python3.6+pytorch1.4.0（gpu）+tensorflow2.0.0（cpu）
- Cuda：9.2
- Cudnn：7.0.6？
- 模型 YOLOv3
描述
- 图找不到了，就去隔壁偷了一张（传送）
- 在运行git上的yolov3目标检测项目的时候尝试使用GPU加速，结果爆出CUDA error:out of memory
- 隔壁说是找不到GPU资源：解决方法如下(抄的)：
'''
1.使用python的os模块import osos.environ['CUDA_VISIBLE_DEVICES']='2, 3'
# 表示2,3可见，用哪块需设置，默认是用第一个2.直接设置环境变量(linux系统)export CUDA_VISIBLE_DEVICES=2,3
'''
- 简单来说就是找到GPU就完事了，我照做，问题解决了。
问题探究
- 我特地查看了一下服务器的显卡配置
- 8张，除去第0张不能用（不知道为什么，测试出来的），剩余7张都是可以用的
- 说明一下 Bus-Id Disp.A这一栏下面是显存使用情况，每一张16GIB左右大小，目前被我占用的有2,3两块，也就是他们
- 换句话说，之所以会出现CUDA error:out of memory这个错误，因为当没有指定用哪块GPU的时候，就默认第一块，那么大家都用第一块，当第一块不够了，自然就会抛出显存溢出这个错误。
- 另外分享一个实时查看显卡信息的命令；
watch -n 10 nvidia-smi
- 10=10秒，每隔10秒
- nvidia-smi表示查看显卡
- 其实这是两个命令的结合，watch命令后面也可以不是nvidia-smi
这篇关于找不到GPU资源——[显存充足，但是却出现CUDA error:out of memory错误]的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
