1行代码消除PyTorch的CUDA内存溢出报错，这个GitHub项目刚发布就揽星600+

公众号关注 “程序员遇见GitHub”

设为“星标”，重磅干货，第一时间送达

报道 | 量子位

CUDA error: out of memory.

多少人用PyTorch“炼丹”时都会被这个bug困扰。

一般情况下，你得找出当下占显存的没用的程序，然后kill掉。

如果不行，还需手动调整batch size到合适的大小……

有点麻烦。

现在，有人写了一个PyTorch wrapper，用一行代码就能“无痛”消除这个bug。

有多厉害？

相关项目在GitHub才发布没几天就收获了600+星。

一行代码解决内存溢出错误

软件包名叫koila，已经上传PyPI，先安装一下：

pip install koila

现在，假如你面对这样一个PyTorch项目：构建一个神经网络来对FashionMNIST数据集中的图像进行分类。

先定义input、label和model：

# A batch of MNIST image
input = torch.randn(8, 28, 28)

# A batch of labels
label = torch.randn(0, 10, [8])

class NeuralNetwork(Module):
    def __init__(self):
        super(NeuralNetwork, self).__init__()
        self.flatten = Flatten()
        self.linear_relu_stack = Sequential(
            Linear(28 * 28, 512),
            ReLU(),
            Linear(512, 512),
            ReLU(),
            Linear(512, 10),
        )

    def forward(self, x):
        x = self.flatten(x)
        logits = self.linear_relu_stack(x)
        return logits

然后定义loss函数、计算输出和losses。

loss_fn = CrossEntropyLoss()

# Calculate losses
out = nn(t)
loss = loss_fn(out, label)

# Backward pass
nn.zero_grad()



    
loss.backward()

好了，如何使用koila来防止内存溢出？

超级简单！

只需在第一行代码，也就是把输入用lazy张量wrap起来，并指定bacth维度——

koila就能自动帮你计算剩余的GPU内存并使用正确的batch size了。

在本例中，batch=0，则修改如下：

input = lazy(torch.randn(8, 28, 28), batch=0)

完事儿！就这样和PyTorch“炼丹”时的OOM报错说拜拜。

灵感来自TensorFlow的静态/懒惰评估

下面就来说说koila背后的工作原理。

“CUDA error: out of memory”这个报错通常发生在前向传递（forward pass）中，因为这时需要保存很多临时变量。

koila的灵感来自TensorFlow的静态/懒惰评估（static/lazy evaluation）。

它通过构建图，并仅在必要时运行访问所有相关信息，来确定模型真正需要多少资源。

而只需计算临时变量的shape就能计算各变量的内存使用情况；而知道了在前向传递中使用了多少内存，koila也就能自动选择最佳batch size了。

又是算shape又是算内存的，koila听起来就很慢？

NO。

即使是像GPT-3这种具有96层的巨大模型，其计算图中也只有几百个节点。

而Koila的算法是在线性时间内运行，任何现代计算机都能够立即处理这样的图计算；再加上大部分计算都是单个张量，所以，koila运行起来一点也不慢。

你又会问了，PyTorch Lightning的batch size搜索功能不是也可以解决这个问题吗？

是的，它也可以。

但作者表示，该功能已深度集成在自己那一套生态系统中，你必须得用它的DataLoader，从他们的模型中继承子类，才能训练自己的模型，太麻烦了。

而koila灵活又轻量，只需一行代码就能解决问题，非常“大快人心”有没有。

不过目前，koila还不适用于分布式数据的并行训练方法（DDP），未来才会支持多GPU。

以及现在只适用于常见的nn.Module类。

ps. koila作者是一位叫做RenChu Wang的小哥。

项目地址：
https://github.com/rentruewang/koila

参考链接：
https://www.reddit.com/r/MachineLearning/comments/r4zaut/p_eliminate_pytorchs_cuda_error_out_of_memory/