讲师中心 微信公众号

工具推荐

视频效率加速
AniShort
AniShort

AI短剧协同制作平台

Laper
Laper

剧本策划到成片协作

updream

一键生成高质量推广成片

Seko
Seko

AI短剧一键生成成片

怎样在Python中排查TensorFlow训练中的显存碎片化

落萱同学_6011

落萱同学_6011

发布时间:2026-11-19 10:04:26

|

702人浏览过

|

来源于php中文网

原创

显存碎片化会导致TensorFlow训练中突发ResourceExhaustedError: OOM,但nvidia-smi显示显存占用率低且memory usage呈锯齿状波动,本质是连续大块显存被小块分配切割后无法满足大tensor申请。

怎样在python中排查tensorflow训练中的显存碎片化

显存碎片化会导致什么现象

TensorFlow训练中突然报 ResourceExhaustedError: OOM when allocating tensor,但 nvidia-smi 显示显存占用率其实不高(比如才 60%),GPU memory usage 曲线却呈锯齿状剧烈波动——这是典型显存碎片化的信号。它不是显存不够,而是大块连续显存被小块分配反复切割后,无法再满足下一个大 tensor 的申请(例如 batch=32 的 tf.Variable 初始化或 tf.nn.conv2d 中间激活)。

常见诱因包括:动态图模式(tf.function 未正确装饰)、频繁创建/销毁 tf.Variable、混合使用 eager 和 graph 模式、在训练循环内用 tf.constant 构造大张量、或调用非静态 shape 的 tf.image.resize 等操作。

用 tf.debugging.set_log_device_placement(True) + memory profiler 定位源头

开启设备日志只是第一步,真正关键的是结合显存分配时序看「谁在什么时候占了哪块」:

  • 在脚本开头加 tf.debugging.set_log_device_placement(True),并确保 TF_CPP_MIN_LOG_LEVEL=0,这样每次 tensor 分配都会打印 device:0 上的地址和 size
  • 用 tf.config.experimental.get_memory_info('GPU:0') 在关键节点(如每个 epoch 开始/结束)采样:current 是当前已分配字节数,peak 是历史峰值;若 peak 持续上涨而 current 回落不彻底,说明有泄漏或碎片残留
  • 搭配 memory_profiler 的 @profile 装饰器监控 Python 层对象引用(尤其 tf.Tensor、tf.Variable 实例),避免误判为 GPU 问题实则是 host 端 Python 对象没释放

强制内存合并:启用 memory growth 并禁用 memory pool

TensorFlow 默认启用显存池(memory pool),它预分配大块显存再内部管理小块分配,但 pool 本身不会自动合并空闲块。碎片严重时,必须绕过 pool 直接交由 CUDA driver 管理:

Python健壮编程
Python健壮编程

编写可靠Python代码,避免可变默认值、导入陷阱与运行时意外

下载

立即学习“Python免费学习笔记(深入)”;

  • 训练前立即设置(必须在任何 tf.* 操作之前):
    gpus = tf.config.experimental.list_physical_devices('GPU')
    if gpus:
        for gpu in gpus:
            tf.config.experimental.set_memory_growth(gpu, True)
            # 关键:禁用 memory pool,让每次 malloc/free 直通 CUDA
            tf.config.experimental.set_memory_policy(gpu, 'GROWTH')  # TF 2.10+
    
  • 注意:set_memory_growth 只是允许按需增长,不解决碎片;真正起效的是后续的 set_memory_policy(TF ≥ 2.10)或降级到 tf.config.experimental.set_memory_fraction(gpu, 1.0) + 手动清空 cache(旧版本)
  • 禁用 pool 后,单次分配延迟略升(毫秒级),但整体训练稳定性显著提升,尤其对变长输入(如 NLP 中不同长度的句子)更友好

模型与数据管道中的碎片敏感点

很多碎片不是来自模型参数,而是数据加载和预处理环节:

  • tf.data.Dataset.map(..., num_parallel_calls=tf.data.AUTOTUNE) 中若用了 tf.py_function 或返回动态 shape 张量,会触发频繁的显存 realloc —— 改用纯 tf.* ops(如 tf.image.pad_to_bounding_box 替代 numpy pad)
  • 避免在 @tf.function 外构造 tf.constant 大数组(如 label embedding lookup 表),应提前转为 tf.Variable 或 tf.lookup.StaticHashTable
  • 检查 tf.keras.Model 中是否在 call() 内部新建 tf.Variable(例如自适应 batch norm 的 running mean/var),这会导致每 step 都申请新显存块
  • 使用 tf.config.experimental.reset_memory_stats('GPU:0') 在 debug 阶段定期重置统计,观察 get_memory_info 中 current 是否能回落到接近初始值

TensorFlow 显存碎片不像 CPU 内存那样能靠 GC 解决,它的根源在于 CUDA driver 层的分配器行为。最有效的干预点永远在「分配策略」和「张量生命周期控制」上,而不是等报错后再查——把 set_memory_policy 和 get_memory_info 嵌入训练启动脚本的 health check 环节,比事后 debug 快十倍。

热门AI工具

更多
WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

墨刀AI
墨刀AI Hot

一款AI图像与设计工具,主要用于产品经理的专属智能体,适合需要提升相关任务效率的用户。

二狗PPT
二狗PPT Hot

一款AI演示文稿工具,主要用于专为中式职场打造的AI PPT生成工具,适合需要提升相关任务效率的用户。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

火山引擎

火山引擎是一款面向企业的云计算与AI服务平台。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

SoundView
SoundView Hot

SoundView是一款面向跨境电商的视频翻译、配音和本地化 AI 创作平台。

Flowith
Flowith Hot

Flowith是一款基于画布和智能体工作流的 AI 协作工作空间。

Seko
Seko Hot

一款AI视频创作工具,主要用于商汤科技推出的创编一体的AI短视频创作Agent,适合需要提升相关任务效率的用户。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1951

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5564

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1889

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

33997

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

3987

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

3987

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1283

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

636

2023.08.10

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

20

2026.11.17

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn