使用 GPU 在 Google Colab 上出现 Cupy memory 错误 - 但只是我第二次运行代码

Question

我正在尝试使用 Cupy 对两个大型 arrays 进行矩阵乘法，因为它比使用 CPU 快得多（大约 100 倍）。 我的问题是我第一次运行它时它可以工作，但是第二次运行它给我一个 memory 错误。 这是循环中的一个步骤，所以这是一个问题，我不能每次都重新启动运行时。

这是具有相同数组大小和数据类型的可重现代码：

import cupy as cp
import datetime

cp.get_default_memory_pool().free_all_blocks()
cp.get_default_pinned_memory_pool().free_all_blocks()

x = cp.random.uniform(-1,1,size = (3000,300000))
w = cp.random.uniform(-1,1,size= (300000,1000))

start = datetime.now()
ans = cp.matmul(x,w)
stop = datetime.now()
print(stop-start)

这是我在同一运行时第二次运行它时遇到的错误：

---------------------------------------------------------------------------
OutOfMemoryError                          Traceback (most recent call last)
<ipython-input-5-43db33b58bc8> in <module>()
      2 cp.get_default_pinned_memory_pool().free_all_blocks()
      3 
----> 4 x = cp.random.uniform(-1,1,size = (3000,300000))
      5 w = cp.random.uniform(-1,1,size= (300000,1000))
      6 

4 frames
/usr/local/lib/python3.6/dist-packages/cupy/creation/basic.py in empty(shape, dtype, order)
     20 
     21     """
---> 22     return cupy.ndarray(shape, dtype, order=order)
     23 
     24 

cupy/core/core.pyx in cupy.core.core.ndarray.__init__()

cupy/cuda/memory.pyx in cupy.cuda.memory.alloc()

cupy/cuda/memory.pyx in cupy.cuda.memory.MemoryPool.malloc()

cupy/cuda/memory.pyx in cupy.cuda.memory.MemoryPool.malloc()

cupy/cuda/memory.pyx in cupy.cuda.memory.SingleDeviceMemoryPool.malloc()

cupy/cuda/memory.pyx in cupy.cuda.memory.SingleDeviceMemoryPool._malloc()

cupy/cuda/memory.pyx in cupy.cuda.memory._try_malloc()

OutOfMemoryError: Out of memory allocating 7,200,000,000 bytes (allocated so far: 9,624,000,000 bytes).

这可以解决吗？ 我正在尝试清除前两行中的 GPU memory 但不确定这是否正确。 也许使用 dask 数组可以代替？ 但是，在仍然使用 GPU 来提高速度的同时可以做到这一点吗？

Answer 1

是的，在这里使用 CuPy 支持的 Dask arrays 可能会很好。 您需要确保使用单线程调度程序（ .compute(scheduler="single-threaded") 。假设您正在制作 arrays 以使 Dask 可以一次加载块，那么 Dask 将可能能够加载几个块，进行一些计算，丢弃中间体，然后加载其他块。