güncelleme: bu soru Google Colab'ın "Not defteri ayarları: Donanım hızlandırıcı: GPU" ile ilgilidir. Bu soru, "TPU" seçeneği eklenmeden önce yazılmıştır.
Ücretsiz Tesla K80 GPU sağlayan Google Colaboratory hakkında çok sayıda heyecanlı duyuru okurken, hızlı bir şekilde hafızam tükenmek üzere hiçbir zaman tamamlamaması için üzerinde fast.ai dersi vermeye çalıştım . Nedenini araştırmaya başladım.
Sonuç olarak, "bedava Tesla K80" herkes için "bedava" değildir - bazıları için sadece küçük bir dilimi "bedava".
West Coast Canada'dan Google Colab'a bağlanıyorum ve 24GB GPU RAM olması gerekenden yalnızca 0,5 GB'ı alıyorum. Diğer kullanıcılar 11GB GPU RAM'e erişebilir.
Açıkçası 0.5GB GPU RAM, çoğu ML / DL çalışması için yetersizdir.
Ne elde ettiğinizden emin değilseniz, burada küçük hata ayıklama işlevi bir araya getirdim (yalnızca dizüstü bilgisayarın GPU ayarıyla çalışır):
# memory footprint support libraries/code
!ln -sf /opt/bin/nvidia-smi /usr/bin/nvidia-smi
!pip install gputil
!pip install psutil
!pip install humanize
import psutil
import humanize
import os
import GPUtil as GPU
GPUs = GPU.getGPUs()
# XXX: only one GPU on Colab and isn’t guaranteed
gpu = GPUs[0]
def printm():
process = psutil.Process(os.getpid())
print("Gen RAM Free: " + humanize.naturalsize( psutil.virtual_memory().available ), " | Proc size: " + humanize.naturalsize( process.memory_info().rss))
print("GPU RAM Free: {0:.0f}MB | Used: {1:.0f}MB | Util {2:3.0f}% | Total {3:.0f}MB".format(gpu.memoryFree, gpu.memoryUsed, gpu.memoryUtil*100, gpu.memoryTotal))
printm()
Başka bir kodu çalıştırmadan önce bir jupyter not defterinde yürütmek bana şunu verir:
Gen RAM Free: 11.6 GB | Proc size: 666.0 MB
GPU RAM Free: 566MB | Used: 10873MB | Util 95% | Total 11439MB
Tam karta erişim sağlayan şanslı kullanıcılar şunları görecektir:
Gen RAM Free: 11.6 GB | Proc size: 666.0 MB
GPU RAM Free: 11439MB | Used: 0MB | Util 0% | Total 11439MB
GPUtil'den ödünç aldığım GPU RAM kullanılabilirliği hesaplamamda herhangi bir kusur görüyor musunuz?
Bu kodu Google Colab not defterinde çalıştırırsanız benzer sonuçlar aldığınızı onaylayabilir misiniz?
Hesaplamalarım doğruysa, ücretsiz kutuda bu GPU RAM'den daha fazlasını almanın bir yolu var mı?
güncelleme: Neden bazılarımızın diğer kullanıcıların aldıklarının 1 / 20'sini aldığından emin değilim. Örneğin, bu konuda hata ayıklamama yardım eden kişi Hindistan'dan ve her şeyi o alıyor!
not : lütfen GPU'nun parçalarını tüketen potansiyel olarak sıkışmış / kaçak / paralel dizüstü bilgisayarların nasıl ortadan kaldırılacağına dair başka öneri göndermeyin. Nasıl dilimlediğiniz önemli değil, eğer benimle aynı gemideyseniz ve hata ayıklama kodunu çalıştıracak olsaydınız, hala toplamda% 5 GPU RAM aldığınızı göreceksiniz (bu güncellemeden itibaren hala).