找不到GPU资源——[显存充足，但是却出现CUDA error:out of memory错误]

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 os

os.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