1 問題描述

很多時候，我們在開始進行深度學習訓練的時候，經常出現存儲不夠的信息，

諸如這樣：

你可能會認為是自己的顯卡顯存不夠，那就再掏錢去買個更大的顯卡吧。

我的顯卡是titan xp 12g顯存。

其實對于絕大多數的網絡都是夠用的，那么這個問題該如何解決哪？

2 問題的解決

1 如果你的顯存真的比較小

我的顯卡是titan xp12g顯存，舉個例子我在訓練模型時，設置的batch_size==16,也就是說，我可以同時處理16副圖，我占用的顯存是5.82個g，如果你的顯存比我的小，或者你處理其他的圖片占用的更大，那么，怎

么辦哪？

你可以：

修改：batch_size==4

請盡量還是選用2的n次方來設置參數。這是深度學習二進制的本質。

修改后，你的顯存占用會從5.82g降到0.81g，就算你的顯存比較小，總有一天，你會滿足自己的需求。

2 如果你的cpu比較差

我使用的是2017年的thinkpad x1carobon筆記本，外界顯卡塢帶titan xp顯卡。

我的cpu是i7-7600，已經過了幾年了，并不好，但說不定你比我的cpu更差，那么怎么辦哪？

你可以：

修改：workers==1

很多模型訓練的時候，默認的線程也就是workers==8，也許你的cpu無法承受8線程同時訓練，那么你可以把這個并行線程數降下來，例如我上面的，將線程數降為1，那么又可以愉快的玩耍了，但是，你能承受本來我有i7的cpu，本來我有12g的顯存，卻不能完全使用，還要承受八倍奉還么！！

3 一個隱藏的設置

這個發現，我尚未在其他csdn的博客上見到過，或者我沒搜到。

應該有很多像我一樣的偏執狂。天天盯著存儲看，c盤沒多一點點，就開始刪除垃圾，刪除緩存，刪除windows更新備份，刪除windows注銷文件（2個g），刪除windows系統補丁，刪除c盤之外其他盤的虛擬內存，后者把虛擬內存轉移到其他盤！因為，我們的c盤真的不堪重負。。。

后面有時間，我再談談如何給c盤自由加容吧。

可能，就像我一樣，我舉個例子，我把項目放在了F盤，那么我把除c盤之外，其他盤的虛擬緩存給刪掉了，導致F盤的虛擬內存為0，也會出現這個問題。

那么，該怎么辦哪？

你可以：

修改：我的電腦——屬性——高級系統設置——設置——虛擬內存

為了跟我的顯存保持一致，我就把虛擬內存也設置為12g吧應該是1024x12.。

懶得修改了，一切OK!

總結