显存使用常见问题#

备注

本指南只适用于 MegEngine Python 接口。在使用 C++ 接口进行推理时,显存使用和控制将更为精细和复杂。

如何正确的观察显存使用情况#

MegEngine 使用了显存池机制来加速显存的申请和释放,程序中释放掉的显存将会存储在显存池中,不会被主动的释放给 CUDA driver. 因此使用 nvidia-smi 命令观察到的显存占用可能大于实际的使用值。

可以使用 get_mem_status_bytes 来获取某个计算设备的总显存和空闲显存(此时的空闲显存包含了显存池中未分配的显存),根据两者的差值即可获知当前准确的显存占用量。

如何释放当前占用的显存#

当一个 Python 对象的生命周期结束时,显存就会被释放,例如:

  • 对于 Tensor 对象,当没有被任何变量、ModuleGradManager 引用时,将会被析构并释放显存

  • 可以通过 del 对应的 Tensor 或 Module 对象来手动释放引用

备注

由于 Python GC 并不保证所有对象在引用计数为 0 时会被立刻释放,因此可能会出现对象在删除后显存却没有立刻释放的情况(尤其是在多个对象循环引用时), 此时可以通过 gc.collect 来尝试强制立刻回收。

警告

Python 的变量生存周期与 C++ 不一样,在 for 循环结束时,有可能会遇到 Tensor 对象未释放导致的额外显存占用。 我们可以通过显式删除变量,来立刻释放掉这部分显存,示例如下:

for i in range(4):
    d = tensor(i * 2)

print(d)    # Still exist!
del d       # Release tensor