在深度学习模型训练过程中，在服务器端或者本地pc端，输入nvidia-smi来观察显卡的GPU内存占用率（Memory-Usage），显卡的GPU利用率（GPU-util），然后采用top来查看CPU的线程数（PID数）和利用率（%CPU）。往往会发现很多问题，比如，GPU内存占用率低，显卡利用率低，CPU百分比低等等。接下来仔细分析这些问题和处理办法。

1. GPU内存占用率问题

        这往往是由于模型的大小以及batch size的大小，来影响这个指标。当你发下你的GPU占用率很小的时候，比如40%，70%，等等。此时，如果你的网络结构已经固定，此时只需要改变batch size的大小，就可以尽量利用完整个GPU的内存。GPU的内存占用率主要是模型的大小，包括网络的宽度，深度，参数量，中间每一层的缓存，都会在内存中开辟空间来进行保存，所以模型本身会占用很大一部分内存。其次是batch size的大小，也会占用影响内存占用率。batch size设置为128，与设置为256相比，内存占用率是接近于2倍关系。当你batch  size设置为128，占用率为40%的话，设置为256时，此时模型的占用率约等于80%，偏差不大。所以在模型结构固定的情况下，尽量将batch size设置大，充分利用GPU的内存。（GPU会很快的算完你给进去的数据，主要瓶颈在CPU的数据吞吐量上面。）

2. GPU利用率问题

        这个是Volatile GPU-Util表示，当没有设置好CPU的线程数时，这个参数是在反复的跳动的，0%，20%，70%，95%，0%。这样停息1-2 秒然后又重复起来。其实是GPU在等待数据从CPU传输过来，当从总线传输到GPU之后，GPU逐渐起计算来，利用率会突然升高，但是GPU的算力很强大，0.5秒就基本能处理完数据，所以利用率接下来又会降下去，等待下一个batch的传入。因此，这个GPU利用率瓶颈在内存带宽和内存介质上以及CPU的性能上面。最好当然就是换更好的四代或者更强大的内存条，配合更好的CPU。

        另外的一个方法是，在PyTorch这个框架里面，数据加载Dataloader上做更改和优化，包括num_workers（线程数），pin_memory，会提升速度。解决好数据传输的带宽瓶颈和GPU的运算效率低的问题。在TensorFlow下面，也有这个加载数据的设置。

torch.utils.data.DataLoader(image_datasets[x],
                            batch_size=batch_size, 
                            shuffle=True,
                            num_workers=8,
                            pin_memory=True)

        为了提高利用率，首先要将num_workers（线程数）设置得体，4,8,16是几个常选的几个参数。本人测试过，将num_workers设置的非常大，例如，24，32,等，其效率反而降低，因为模型需要将数据平均分配到几个子线程去进行预处理，分发等数据操作，设高了反而影响效率。当然，线程数设置为1，是单个CPU来进行数据的预处理和传输给GPU，效率也会低。其次，当你的服务器或者电脑的内存较大，性能较好的时候，建议打开pin_memory打开，就省掉了将数据从CPU传入到缓存RAM里面，再给传输到GPU上；为True时是直接映射到GPU的相关内存块上，省掉了一点数据传输时间。

3. CPU的利用率问题

        很多人在模型训练过程中，不只是关注GPU的各种性能参数，往往还需要查看CPU处理的怎么样，利用的好不好。这一点至关重要。但是对于CPU，不能一味追求超高的占用率。如图所示，对于14339这个程序来说，其CPU占用率为2349%（我的服务器是32核的，所以最高为3200%）。这表明用了24核CPU来加载数据和做预处理和后处理等。其实主要的CPU花在加载传输数据上。此时，来测量数据加载的时间发现，即使CPU利用率如此之高，其实际数据加载时间是设置恰当的DataLoader的20倍以上，也就是说这种方法来加载数据慢20倍。当DataLoader的num_workers=0时，或者不设置这个参数，会出现这个情况。

CPU利用率查看结果

        下图中可以看出，加载数据的实际是12.8s，模型GPU运算时间是0.16s，loss反传和更新时间是0.48s。此时，即使CPU为2349%，但模型的训练速度还是非常慢，而且，GPU大部分是时间是空闲等待状态。

num_workers=0，模型每个阶段运行时间统计

        当我将num_workers=1时，出现的时间统计如下，load data time为6.3，数据加载效率提升1倍。且此时的CPU利用率为170%，用的CPU并不多，性能提升1倍。

num_workers=1时，模型每个阶段运行时间统计

        此时，查看GPU的性能状态（我的模型是放在1,2,3号卡上训练），发现，虽然GPU(1,2,3)的内存利用率很高，基本上为98%，但是利用率为0%左右。表面此时网络在等待从CPU传输数据到GPU，此时CPU疯狂加载数据，而GPU处于空闲状态。

1,2,3号GPU的内存占用率和计算效率截图

        由此可见，CPU的利用率不一定最大才最好。

        对于这个问题，解决办法是，增加DataLoader这个num_wokers的个数，主要是增加子线程的个数，来分担主线程的数据处理压力，多线程协同处理数据和传输数据，不用放在一个线程里负责所有的预处理和传输任务。

        我将num_workers=8,16都能取得不错的效果。此时用top查看CPU和线程数，如果我设置为num_workers=8，线程数有了8个连续开辟的线程PID，且大家的占用率都在100%左右，这表明模型的CPU端，是较好的分配了任务，提升数据吞吐效率。效果如下图所示，CPU利用率很平均和高效，每个线程是发挥了最大的性能。

num_workers=8时，CPU利用率和8个连续PID任务

        此时，在用nvidia-smi查看GPU的利用率，几块GPU都在满负荷，满GPU内存，满GPU利用率的处理模型，速度得到巨大提升。

优化数据加载num_workers=8，和设置batch size的结果

        上图中可以看见，GPU的内存利用率最大化，此时是将batch size设置的较大，占满了GPU的内存，然后将num_workers=8，分配多个子线程，且设置pin_memory=True，直接映射数据到GPU的专用内存，减少数据传输时间。GPU和CPU的数据瓶颈得到解决。整体性能得到权衡。

        此时的运行时间在表中做了统计：

处理时间统计

处理阶段	时间
数据加载	0.25s
模型在GPU计算	0.21s
loss反传，参数更新	0.43s

4. 总结

        对上面的分析总结一下，第一是增加batch size，增加GPU的内存占用率，尽量用完内存，而不要剩一半，空的内存给另外的程序用，两个任务的效率都会非常低。第二，在数据加载时候，将num_workers线程数设置稍微大一点，推荐是8,16等，且开启pin_memory=True。不要将整个任务放在主进程里面做，这样消耗CPU，且速度和性能极为低下。

 

 

                                                                                                                                                                     

                                                                                                                                                                     

                                                                                                                                                                     

Supplementary：看到大家在评论回复的问题比较多，所以再加一些叙述！

开这么多线程。第一个，查看你的数据的batch_size，batchsize小了，主CPU直接就加载，处理，而且没有分配到多GPU里面（如果你使用的是多GPU）；如果是单GPU，那么就是CPU使劲读数据，加载数据，然后GPU一下就处理完了，你的模型应该是很小，或者模型的FLOPs很小。检查一下模型问题。还有就是，现在这个情况下，开8个线程和1个线程，没什么影响，你开一个num_workers都一样的。如果速度快，没必要分配到多个num_workers去。当数据量大的时候，num_workers设置大，会非常降低数据加载阶段的耗时。这个主要还是应该配合过程。

在调试过程，命令：top     实时查看你的CPU的进程利用率，这个参数对应你的num_workers的设置；

命令：   watch -n 0.5 nvidia-smi    每0.5秒刷新并显示显卡设置。

实时查看你的GPU的使用情况，这是GPU的设置相关。这两个配合好。包括batch_size的设置。

                                                                                                                                                                  时间：2019年9月20日

5. 再次补充内容

有很多网友都在讨论一些问题，有时候，我们除了排查代码，每个模块的处理信息之外，其实还可以查一下，你的内存卡，是插到哪一块插槽的。这个插槽的位置，也非常影响代码在GPU上运行的效率。

大家除了看我上面的一些小的建议之外，评论里面也有很多有用的信息。遇到各自问题的网友们，把他们的不同情况，都描述和讨论了一下，经过交流，大家给出了各自在训练中，CPU，GPU效率问题的一些新的发现和解决问题的方法。

针对下面的问题，给出一点补充说明：

问题1. CPU忙碌，GPU清闲。

数据的预处理，和加载到GPU的内存里面，花费时间。平衡一下batch size, num_workers。

问题2. CPU利用率低，GPU跑起来，利用率浮动，先增加，然后降低，然后等待，CPU也是浮动。

• 2.1 下面是具体的步骤和对策：

在pytorch训练模型时出现以下情况， 情况描述： 首先环境：2080Ti + I7-10700K， torch1.6, cuda10.2, 驱动440 参数设置：shuffle=True, num_workers=8, pin_memory=True; 现象1：该代码在另外一台电脑上，可以将GPU利用率稳定在96%左右 现象2：在个人电脑上，CPU利用率比较低，导致数据加载慢，GPU利用率浮动，训练慢约4倍；有意思的是，偶然开始训练时，CPU利用率高，可以让GPU跑起来，但仅仅几分钟，CPU利用率降下来就上不去了，又回到蜗牛速度。

•  可以采用的方法：

两边的配置都一样吗。另一台电脑和你的电脑。你看整体，好像设置配置有点不同。包括硬件，CPU的核，内存大小。你对比一下两台设备。这是第一个。第二个，还是代码里面的配置，代码的高效性。你一来，CPU利用率低，你看一下每一步，卡到哪里，哪里是瓶颈，什么步骤最耗时。都记录一下每一个大的步骤的耗时，然后在分析。测试了每一个大的过程的时间，可以看见，耗时在哪里。主要包括，加载数据，前向传播，反向更新，然后下一步。

• 2.2 经过测试之后，第二次问题分析：

经过测试，发现本机卡的地方在加载图像的地方，有时加载10kb左右的图像需要1s以上，导致整个batch数据加载慢！代码应该没有问题，因为在其他电脑能全速跑起来；硬件上，本机的GPU，CPU都强悍，环境上也看不出差距，唯一差在内存16G，其他测试电脑为32G，请问这种现象和内存直接关系大吗？

• 情况分析

最多可能就在这边。你可以直接测试batch size为1情况下的整个计算。或者将batch size 开到不同的设置下。看加载数据，计算之间的差值。最有可能就是在这个load data，读取数据这块。 电脑的运行内存16g 32g。其实都已经够了，然后加载到GPU上，GPU内存能放下，影响不大。所以估计是你的内存相对小了，导致的问题。试一下。

• 2.3 问题定位，解决方法：
• 这台电脑的内存条插的位置不对，4个插槽的主板，1根内存的时候应该插在第2个插槽（以cpu端参考起），而组装电脑的商家不专业，放在了第4个插槽上，影响性能，更换位置后，速度飞起来了！关于插槽详情，有遇到的朋友去网上收，一大堆！

在自己电脑，或者自己配的主机上，跑GPU的时候，记得注意查看你自己的内存卡是插到哪一个槽上的。

问题1：博主您好，我是tensorflow框架，是os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID" 和os.environ["CUDA_VISIBLE_DEVICES"] = "0"制定了gpu，虽然gpu内存占满，但是利用率忽高忽低，大部分出现的的是0，刷的频繁了也会出现99%的情况，这为啥呀？会对训练结果造成影响么？非常感谢

答：您好，我现在使用Python tensorflow写代码，但现在我的cpu利用率很高，GPU利用率几乎为零，但是我用import os os.environ["CUDA_VISIBLE_DEVICES"] = "0" 来指定了GPU。您之前的博客写了torch如何解决这个问题，拜托您能不能对于使用tensorflow如何解决这个问题给我做歌解答，非常感谢您 你的私信开启防打扰模式，回复不过来。 在这里做回复：你应该没有将模型load到GPU上面，全在CPU上面跑。

问题2：大佬啊，请教一下啊！这里描述一下我的问题：开始是 CPU 占用高，设置 num_works=16；之后训练过程中GPU占用逐渐增加直到OOM，然后在每个epoch 之后加 torch.cuda.empty_cache()；最后，现在，gpu usage 变化很大 700MB -> 1500MB -> 2300MB -> 700MB 这样变；而 cup 占用也 1000% -> 1700% -> 2400% -> 700% -> 100% -> 400% -> 1100% 这样变，这是什么问题呀？

答：先是CPU在加载数据，从内存load到GPU的内存。CPU占用过程高。然后开始训练，GPU内部的缓存不断增加。前向传播存储中间变量，反传更新权重。更新完之后，你进行了cache的清除，GPU就减少为最初始的状态，这个700MB应该是整个网络结构在GPU里面，以及权重参数的值。然后继续load 数据从CPU到GPU。CPU也不断增加。进入这个循环。你的应该是正常的情况。没问题的。

问题3：楼主，我设置的batch size为128，计算每个模块的时间，然后在每个batch后统一打印，`print(t2-t1,t3-t2,t4-t3,t5-t4)`，结果每次一下子出来将近100个batch，等待一会又打印出来近100行信息。更神奇的是，他会在一个print里面停止，不是打印完整的4个时间后停止。这是什么问题呢？谢谢啦！

答： 这样，每一个要测试的点，插入时间点：check1=time.time(), 然后，到这个模块的结束，去print一下 print(time.time()-check1)。 分别记录每个模块的耗时，分开print()。试一下这个。 到下一个函数，然后 check2=time.time() ，然后到函数完成了，又print(time.time()-check2)。类似这种结果。还没解决。我是把print函数放在一个循环里面——每个iteration打印一次。但是系统在print执行期间卡壳有点不理解。。因为print执行也不需要太多计算资源吧。。我是小白，可能思维比较直。。。解决了吗？应该是循环的问题，循环放置的问题。你主要看一下你的print()函数放置的问题。

问题4：博主请问 4G显存跑Alexnet网络分类花卉数据集CPU占用率大概85%-90%,GPU在20-30%之间是正常的吗 主要是我发现CPU占有率总是比GPU高很多 而且我这张1650卡跑VGGnet就几乎跑不动了 batch和epoch要设很低才能龟速跑...

答：是不是显存没设置按需求分配, tf这里好像默认是设置占用8g显存, 你的数据集很大么, 我10monkey数据集, 读取处理数据在50秒(282mb), 训练很快, 都卡在读取处理数据上了。对，刚刚这个老哥回复你的，我也觉得是这个原因。基本上卡在数据的传输上了。从CPU到GPU的数据传递。你的显卡很小。显存小，能够放下的数据量和自己网络结构，很有限制。你4G的显存，VGGNet很大的，所以占你很大显存。后面稍微新一点的网络。显存没有这么大了，MobileNet，SqueezeNet这些。

问题5：博主，您好，能否分享一下各个阶段计算时间的代码呢？万分感谢，我想根据这个代码找到数据加载的瓶颈，因为我将数据转为tensor后存储进lmdb中了，速度确实快了，但是gpu利用率还是会隔一段时间变为0.

答：计算时间这个，直接开始一个 time_start=timer.time() time_end = timer.time() processing_time=time_end - time_start. 你GPU利用率变为0，说明此时你GPU在等待，数据传输到GPU的input data的这个tensor过程中，SSD或者你服务器的内存传输至GPU有延迟，或者速度跟不上，所以GPU空闲，然后这个CPU使劲转。

问题6：就是利用GPU运行时打开任务管理器性能看到的，GPU内存使用100%占满了，但是利用率只有2%,我自己找了80多张图进行训练的，多线程加载我不会，一直是2%或者1%，很确定就是利用gpu device 0跑程序的。

答：你的计算资源是不是很小的GPU哦。还有就是，数据加载过程，开启多线程加载没有。你看一下GPU的内存使用情况，2%是计算情况下还是模型加载到GPU上，一直是稳定的2%吗。多个参数都看一下。您说的调整DataLoader这个num_wokers的个数，我找遍了代码没这个numworker,在哪里呢？这个num_workers是pytorch下面的设置，在数据加载里面。你用的是TensorFlow，那个相应的设置也有，但是不是叫num_workers。具体是什么我忘了，查一下。 你的GPU内存沾满100%，利用率2%，就是上面的这个，把batch_size增大，或者减少，看一下你的利用率。然后，增加TensorFlow下面的num_workers这个设置，看利用率的上升。主要就是这两个设置。你配合着查看一下。 主要是把模型加载到GPU上来。剩下就在上面两个设置上调整。

问题7：请教一下，我在做一个项目数据量大概有几十万和几十个特征，电脑给的内存几乎用到90%，cpu大概是有七八十，不过pycharm中的gpu都是0好像都没有用到，to.device和num_works用过了也没用，有什么办法吗？

答：应该是没有放进去，你自己看一下，gpu的内存开始用起来没有。

问题8：博主你好，你文章中的“不要将整个任务放在主进程里面做，这样消耗CPU，且速度和性能极为低下” 要怎么理解，我目前开启的多进程里只有一个占用了226%,其他都是不到2%，是因为我放主进程里了吗？可是我只有一个GPU，这会和我不是固态有关系吗？

答：ImageNet也是100多G。你在平衡一下，按照步骤来。应该能够充分利用的。pin_memory为true，将model加到多个GPU里面的写明没有。

1. if torch.cuda.device_count() > 1:
               model = nn.DataParallel(model, device_ids=[0, 1, 2, 3])
           model = model.to(device)

    

谢谢回复，不过我在将pin_memory设置为true之后，gpu利用率还是很低，我的显存16G，数据一百多G,是因为数据太大没有效果吗？这个没问题的。你已经放进去了，后面再运行中，运行稳定了，查看后面的设备的使用情况，包括CPU的使用率，GPU的占用率，一开始CPU也许有一个主进程使用得比较多。你设置了num_workers，4或者8,16吧。这个后面跑起来，应该有这么多个进程能够看见的。用top查看。后面应该稳定。这是一个。第二，我也发现，TensorFlow有时候存在这个情况。

问题9：博主您好，我目前也是使用pytorch框架做一个任务，数据量非常大，读完数据大概需要100g的内存，然后dataloader我也是设置了num和pinmemory，但这样仍不能提速，我的gpu利用率大概在0～40%浮动，且不稳定，如果再继续调大dataloader里的num会报出memory不足的错误，请问一下您在这种情况下有没有些建议。另外我看到您总结里面有这么一条“不要将整个任务放在主进程里面做，这样消耗CPU，且速度和性能极为低下。”我请问您这个应该怎么理解，我多卡使用的是dataparllel，希望能得到您的回复，谢谢!

答：batch size设置大点，你的GPU最大占比能够用上去。第二个是，来回的浮动，不稳定，那就是你的数据吞吐速度赶不上你的GPU处理速度，GPU把你的batch数据处理完了，等待你数据喂进来。这个时候就没有计算，利用率降低。所以，你在提升num_workers的时候，也要把batch_size加大。主要是配合这两个。DataLoader的pin_memory=True，计算过程中： input = input.to(device) target = target.to(device) 大概试一试，没有效果再说。 我再加大batchsize就会让显存爆掉，而且我现在的data吞吐速度已经不支持目前的batchsize，再增大恐怕是更没办法负载。谢谢您的建议。请问您最后怎么优化解决的？ 我现在也是数据吞吐速度赶不上GPU处理速度，GPU利用率在17%左右，时而跳转为0.。 我的batchsize=256，但是因为特征较多，一条样本差不多10w维度的特征，所以传送起来着实慢。不知道有什么解决方法吗？您好，我最后尝试了几种方法都没有得到很好的解决，最后由于时间问题，不得不妥协了，不过我可以和你分享一些我的思路。你如果用的torch并行的话，可以试试distributed dataparallel，我当时用的是dataparallel，通信速度会慢些，换成ddl可能数据分发会快很多，但是我尝试了一些demo出现数据重复读取的问题，所以未果。另外还可以尝试下混合精度计算，可以提高batchsize的大小。这是我的思路，如果您有更好的方法，可以留言跟我分享下，谢谢。最后解决了吗。这个问题，解决了，多方面优化吧。① 训练的时候，定义了一个SequenceData 迭代器，用了多线程，调整了works数量以及max_queue_size。此外还对生成一个batch数据进行了优化，例如使用了np.repeat、np.tile。②预测的时候，把训练好的模型分了3块，用户侧走了一部分模型，item侧走了一部分模型，最后进行交叉预测计算。（例如每个用户对6个item分布进行打分，这样做用户侧只需要计算一次计算，节省了不少时间！）。

问题10：我只有一个gpu,用pin_memory报错： return data.pin_memory() RuntimeError: cannot pin 'torch.cuda.FloatTensor' only dense CPU tensors can be pinned 用num_workers报错： File "D:\ProgramData\Anaconda3\envs\pytorch_gpu\lib\site-packages\torch\multiprocessing\reductions.py", line 242, in reduce_tensor event_sync_required) = storage._share_cuda_() RuntimeError: cuda runtime error (801) : operation not supported at C:\w\1\s\tmp_conda_3.7_104508\conda\conda-bld\pytorch_1572950778684\work\torch/csrc/generic/StorageSharing.cpp:245 两个问题都没成功解决，不知道为什么，如果可以的话，请博主赐教

答：1. CPU tensor才可以pin_memory，你是不是在加载数据之前，对数据进行了处理，导致数据成为了torch.cuda.FloatTensor了。查看一下。 2. 你自己查看一下你的电脑的num_workers数，自己电脑的CPU核数，num_workers不应该超过你的核数。我们用的服务器是64核的，所以设置16,32的num_workers没问题。好的谢谢您，pin_memory的问题明白啦，可是我的电脑是6核12线程，num_worker是设置的12以下

问题11：感谢博主详细解答，我做文字检测任务，使用Pytorch，有3块2080ti，bs设置为16（吃满卡），num_work设置为3的时候速度最快，过高过低都慢，但是此时GPU的利用率大约只有五成，这还有提升的空间吗？

答：bs为16都吃满卡了。你的模型是多大啊，已经中间的层数，缓存的feature map。有这么大吗。看一下你batchsize设置对不对。16就能把你的2080ti占满，是显卡的内存都吃满了吗。这个要注意一下。num_workers差不多。因为你的数据就只有16的batchsize，加载数据只需要3-4额num_workers就能加进去。GPU只跑到5成，那就是你batchsize设置小了，没有将gpu充分发挥使用。后来是不是你的GPU空闲着，等待新的数据，如果是的话，那你的数据加载处，也有点问题。加载慢了，GPU空着等数据来。

问题12：博主你好，我是学校和别人共用一个服务器，服务器有两个gpu，第一个gpu的内存利用率百分之20，第二个没人用，为什么我把batch size从64改为128就显示RuntimeError: CUDA out of memory. Tried to allocate 392.00 MiB (GPU 0; 15.90 GiB total capacity; 11.42 GiB already allocated; 368.88 MiB free; 149.58 MiB cached)呢？求告知，谢谢

答：是还需要在开辟392MB的内存。但是当前的已经被用了，只有368.8MiB了。你要开辟392MiB，当前free的不够用。所以要报错。模型和内存的需求量不是成正比的，batch size越大，内存需要的不只是两倍，应该是大于两倍。3倍左右的需求量。博主你好，谢谢你的回复，有一点不明白他这个内存是怎么算的，因为我batch size为64的时候内存只用3321M，即使改成128按理说最多也只需要6642M啊，内存应该是完全够用的，而且 上面为什么显示 Tried to allocate 392M（为啥才需要392M这么少，却说内存不够用呢？困扰很久了，谢谢博主你）。内存不够用了。你加的太大了。96也许就差不多了。加大了GPU的内存不足。才报这个错。

问题13：博主您好~，我出现的问题是，想在模型测试效果好的情况下，保存该模型。使用torch.save(),进行保存，报错cannot serialize a bytes object larger than 4 GiB。您遇到过这个问题么？

答：模型太大了。包括参数太多了，model size太大。中间的weights过多。等等。需要看看这个模型的大小。 第二，分模块保存，然后分模块加载。

问题14：我现在是本地3分钟一个step，服务器却要2个多小时才一个step，cpu500%多，单GPU，显存占满，利用率却只有10%，增大批次的确增加至20%，但是这种反差说明哪里还是有问题，不知道博主遇到过这种情况吗？

答：服务器多少个核啊。你用的500%多，那就是相当于用了5个核左右。 你自己的电脑，本地，你看你的CPU是几核几线程的，而且，你本地应该是用满了CPU的核。CPU这边的核心数，包括算力，也是一个容易忽视的点。 你本地跑，用的GPU和服务器的GPU，是一样的吗，GPU数量相同吗，GPU的性能显存差别大吗。这几个硬件配置弄完了对比清楚了，那剩下就是代码的问题了。刚解决了，是我的模型函数里面，自己写的attention_mask函数估计是使用了两层tf.map_fn函数，导致在GPU上无法运行，但是对于数据尺寸小的，比如【10,30】这种形状的tensor 没有问题，如果大了，就运算不出来，或者非常非常的缓慢，具体原因还在想，不过问题解决了，我把attention_mask函数改了一下，一切正常。

问题15：您好，我想请教一下您文中说的“不要将整个任务放在主进程里面做，这样消耗CPU，且速度和性能极为低下。”具体是什么含义。我是把模型的搭建数据读取都放在main()函数中，然后是在 if __name__ == '__main__': main()调用的。我dataloder的num_work数设置的是8（用的服务器是40核的）但训练时看cpu只有一个核是100%其他占用都很少。使用的是单GPU，GPU的使用率在100%,50%之间跳动，请问是什么情况。望有空时解答谢谢。

答： 按照我的方法，处理不好吗。 这个情况我有时候也用到。这个一般都是pytorch才有的问题。你用的是pytorch吧。使用率在跳动，就是你的内存数据往gpu里面塞，送数据的时候，在跳动。尽量把那个map给开启。我发现他们，有些，就是不按照这样设置，反而是1700%这样的用，相当于用了17核心。 这个你看速度起得来吧。 我一般是比如 设置为8核心，那么基本上8个核，都是100%或者80-90%这种范围。你设置了之后，只有一个这么高，看你的数据，batchsize设置多大。分配到每个cpu核上的多大。你在试一试，不行效果在交流。

问题16：不要将整个任务放在主进程里面做，这样消耗CPU，且速度和性能极为低下。这句话是什么意思啊，是把number_worker设多一点吗？

答：嗯，要看自己电脑或者服务器的核心数量，是几核的。来设定。太小了，处理慢，太多了，分散的太多。num_workers不能超过电脑的CPU的核心数。设置为8差不多挺好的。

问题17：博主您好,我在实验室和同学共用服务器,总共是40核的cpu,其他同学在跑程序的时候已经占用了大约32核左右,我只能占用1.5以下.训练的速度十分的慢,我想复现别人论文实验结果然后加以提升,他只用2.4小时一轮epochs我需要20+小时.我猜测的就是CPU的占用低导致数据吞吐慢,gpu的利用率也一直在40%以下,请问这种情况怎么去提高自己CPU的占用率.我的batchsize是2,2080的卡,但是因为其他同学在跑程序显存留的不多.我2的batchsize已经占用了近4G的显存了.num_workers设置的为4.我尝试调高bathsize,cpu占用会在一开始高一点点到2~3之间,但马上就下降.请问这个我问题怎么处理.pytorch的网络.谢谢!

答：老铁，你这个电脑，40 核的，都被大家用了，32核，给你的，都没什么资源了。而且，你那边同学，是不是也用了GPU的。GPU同时跑几个计算的任务，需要调度，分配内存，这些都很耗时。你要在这么挤得情况下，想跑的很快，确实是很难。人家一轮2.4小时，你需要24小时。主要原因还是显卡和CPU都被很多任务占用吧。先找空试一试单独的跑一下。如果在电脑空闲情况下， 都比较慢，那再优化代码。先真正检查你的电脑，空闲情况下跑。你现在设置，和论文的设置，配置，差不多。如果人家也用相同的卡，相同的batchsize。那就应该是电脑被其他任务用了，占着的原因。找一个空时间段，试一下吧。你好博主, 我想继续请教一下怎么提高cpu的利用率,如何在保持batchsize不变的情况下提高.我目前的batchsize为1,cpu的利用率在200%左右浮动,我猜测数据的吞吐速度很慢,我跑项目的速度远远慢于论文的时间.我尝试调高torch.set_num_threads()的参数,cpu的使用率会上升但是对跑项目的速度没有任何帮助.我是直接从git上下载的原项目,参数也都对照无误,如何提高cpu的利用率呢?好的。明白。pin_memory也开了的吧。提前加载数据到GPU内存上面。就不用让GPU空闲着，等待数据从CPU load 到GPU。batch size为1，本来就不需要用CPU，你的batch size太小，CPU不用调用太多负载，也能给你处理。你即使现在写成4个num_workers，需要处理的数据量这么小，也不用你的CPU进行大负荷的运转。为了测你真正的把CPU利用率用起来，你直接加大你的batch size。变为16,32,64，试一试。这个时候，你的CPU利用率和GPU利用率一下就上来了。先按照我刚刚回复的，直接加大 batch size来测利用率。然后跑完实验之后给我回复一下实际效果和状态。加大的之后耗时明显缩短，cpu利用率变高了，但也还是时高时低的摇摆不定，GPU的利用率则先是0%，然后快速增长到60%-70%，然后又递减至0%，停留一会儿后重复增长降低。

问题18：大佬，你好,我这边用pytorch构建的网络， pin_memory=True, num_workers=4，前面训练最开始GPU利用率在0%，然后训练一个多小时后，GPU利用率跑到了80%左右，但是最近没有修改代码的情况下训练，GPU利用又是0%,top查看了CPU各个线程的利用率也是非常的低，大佬有遇到过类似的情况吗，或者说有啥方法和建议。多谢了！

答：这个代码没有变，应该是没问题的啊。你这个可以把速度打一下出来。每个环节的耗时。你的GPU 和CPU都是0吗，或者接近于0 。用watch -n nvidia-smi 0.5，实时监控一下显卡的应用。看是有冲低到高，然后又降低的过程。0%，然后10%，80%然后又掉到0%。如果是这样的过程，那就是数据加载，返回给CPU处理，没有配合好。CPU后处理，或者前处理，耗时过长。导致GPU等待时间过久。程序运行前一个小时是CPU10%左右，GPU0%,1-1.5小时是0% 10% 30% 然后0%这样往返，然后大概跑两小时后，GPU利用率60%-85%之间往返。还有一个问题是，我程序跑几次之后，整个服务器的GPU都没法调用了，如果我没跑，其他人跑tensorflow是没有出现导致GPU无法调用的情况，我的模型是pytorch构建的，结果就是导致pytorch和tensorflow都无法调用GPU了。重装CUDA后又变好，现在这种情况已经反复搞了好几次了，哎。代码问题了，你装的库，之前是装好的吗。这样一来，你这代码有破坏库文件的bug。好好检查一下代码。还有，前一个小时是CPU10%左右。后面慢慢增加。而且是以小时来计算。你前面有数据加载，模型构建， 初始化什么的，耗时一个小时吗。这个不应该。整个流程就是加载数据，处理。返回。然后继续下一轮。你的这个，是不是没有跑起来。你都实时输出你的状态，代码跑到那一步了，实时的输出一下，打印结果。你如果前面GPU利用率为0 。那就是没有在GPU上跑起来。但是你代码一定是显式的设置了，to.device. 都要放到GPU 上哈。

if torch.cuda.device_count() > 1:
            model = nn.DataParallel(model, device_ids=[0, 1, 2, 3])
        model = model.to(device)

你好，我后来查看buff/catch发现，我的数据加载比较慢，在有多人使用服务器时候，会将我加载到服务器中的数据冲洗掉，如果我一个人使用服务器，等第一个epoch跑完后，训练速度就跑起来起来了。我将原始保存为.npy格式的文件保存为.h5，但是第一个epoch的数据加载速度似乎并没有太大变化。我想在又想能否直接将数据文件夹挂载，不知道速度会不会提高。有这个的。将数据转换为h5，或者，md什么的。数据压缩的lmdb。也就是.mdb文件。这样加载到GPU上会很快。这是一个专门的挂载文件。你查一下。我这边的数据，都是lmdb的类型。我这边直接将数据挂载上去，速度跑得飞快，GPU利用率现在基本稳定在99%，当然也也是进行了pin_memory=True, num_workers=4的.发现大部分速度慢都是因为数据准备花费了大量时间。大佬您好，刚刚我又尝试了一下训练，服务器就我一个人使用，在训练大概一个半小时后，GPU和CPU都跑起来了，特别服务器中wa 参数，在最开始时候大概是10，正常运行时候为0，网上查了一下说这个参数越大，IO堵塞层度越大，为啥最开始训练时候IO跟不上呢，你有遇到过这种问题没。

问题19：博主您好，我想请教一下增加num_workers和使用pin_memory对CPU占用的影响会有多大呢，我在跑一个2020年的模型，训练到20%的时候80G的内存就不够用了，后来我把num_workers从4改成了0，把pin_memory改成了False，情况有所缓解，但是还是无法完成整个训练过程，请问有什么办法能让训练过程的内存占用减少呢？

答：你中间绝对保存了什么中间变量的。训练一个阶段，只保存当前epoch的相关loss，梯度这些。然后训练完一个epoch，就会丢掉当前这个epoch的信息。下一个iterative会重新更新，计算，缓存的。你这个中间一定是保存了中间变量，包括checkpoint，以及model.state_dict，以及其他的变量，而且是每一个epoch都在存一下信息的。你要查一下。常规的显卡内存是不变的。跑起来显卡内存不变，CPU这边，应该也不是增量式的，只是会开始占用多少，后面略微增加，不会这种直接一直增加下去的。仔细审查代码，是不是有缓存的东西。

问题20：博主 您好！ 我在pytorch训练模型时出现以下情况，不知您是否遇到，求教？ 情况描述： 首先环境：2080Ti + I7-10700K， torch1.6, cuda10.2, 驱动440 参数设置：shuffle=True, num_workers=8, pin_memory=True; 现象1：该代码在另外一台电脑上，可以将GPU利用率稳定在96%左右 现象2：在个人电脑上，CPU利用率比较低，导致数据加载慢，GPU利用率浮动，训练慢约4倍；有意思的是，偶然开始训练时，CPU利用率高，可以让GPU跑起来，但仅仅几分钟，CPU利用率降下来就上不去了，又回到蜗牛速度。

答：两边的配置都一样吗。另一台电脑和你的电脑。你看整体，好像设置配置有点不同。包括硬件，CPU的核，内存大小。你对比一下两台设备。这是第一个。第二个，还是代码里面的配置，代码的高效性。你一来，CPU利用率低，你看一下每一步，卡到哪里，哪里是瓶颈，什么步骤最耗时。都记录一下每一个大的步骤的耗时，然后在分析。测试了每一个大的过程的时间，可以看见，耗时在哪里。主要包括，加载数据，前向传播，反向更新，然后下一步。你可以测一下。您好！ 经过测试，发现本机卡的地方在加载图像的地方，有时加载10kb左右的图像需要1s以上，导致整个batch数据加载慢！代码应该没有问题，因为在其他电脑能全速跑起来；硬件上，本机的GPU，CPU都强悍，环境上也看不出差距，唯一差在内存16G，其他测试电脑为32G，请问这种现象和内存直接关系大吗？？？最多可能就在这边。你可以直接测试batch size为1情况下的整个计算。或者将batch size 开到不同的设置下。看加载数据，计算之间的差值。最有可能就是在这个load data，读取数据这块。 电脑的运行内存16g 32g。其实都已经够了，然后加载到GPU上，GPU内存能放下，影响不大。所以估计是你的内存相对小了，导致的问题。试一下。我怀疑是。我找到问题了，特意回复一下，有遇到同样问题，可参考。 主要问题是：这台电脑的内存条插的位置不对，4个插槽的主板，1根内存的时候应该插在第2个插槽（以cpu端参考起），而组装电脑的商家不专业，放在了第4个插槽上，影响性能，更换位置后，速度飞起来了！关于插槽详情，有遇到的朋友去网上收，一大堆！ 嗯，这个很难让人怀疑到是硬件的问题，能够定位到加载数据很慢了。这个还是很艰难的找出原因了。可以。我放文档里面，补充说明一下