![](../../asset/images/user/bgImg_default.jpeg)
简介
擅长点云和图像的检测,分割,和目标跟踪等感知算法
擅长的技术栈
可提供的服务
暂无可提供的服务
技巧-GPU显存和利用率如何提高和batch_size/num_works等参数的实验测试
在PyTorch中使用多个GPU进行模型训练时,各个参数和指标之间存在一定的关系。GPU显存是限制模型训练规模的关键因素。当使用多个GPU进行训练时,每个GPU都会分配一部分显存用于存储中间变量、梯度、权重等。GPU显存的使用量取决于模型的复杂度、批量大小(batch size)以及数据类型等因素。举例:假设我们使用两个GPU(GPU 0和GPU 1)进行训练,每个GPU的显存为12GB。若批量大
![文章图片](https://img-blog.csdnimg.cn/direct/bb14cb3f7f8b44288b0bcc327690244c.png)
到底了