PyTorch torch.cuda.memory_reserved Funktion
PyTorch torch-Referenzhandbuch
torch.cuda.memory_reservedEs ist eine Funktion in PyTorch, mit der der reservierte GPU-Speicher abgerufen wird. Sie gibt die Größe des aktuell vom CUDA-Caching-Manager reservierten Speichers zurück (in bytes).
Funktionsdefinition
torch.cuda.memory_reserved(device=None)
Anwendungsbeispiel
Beispiel
import torch
# Reservierten GPU-Speicher prüfen
if torch.cuda.is_available():
print(f"Anfänglich reservierter Speicher: {torch.cuda.memory_reserved()} bytes")
# Tensor erstellen
x = torch.randn(1000, 1000).cuda()
print(f"Nach der Allokation: {torch.cuda.memory_reserved()} bytes")
# Tensor löschen
del x
print(f"Nach dem Löschen: {torch.cuda.memory_reserved()} bytes")
else:
print("CUDA nicht verfügbar")
# Reservierten GPU-Speicher prüfen
if torch.cuda.is_available():
print(f"Anfänglich reservierter Speicher: {torch.cuda.memory_reserved()} bytes")
# Tensor erstellen
x = torch.randn(1000, 1000).cuda()
print(f"Nach der Allokation: {torch.cuda.memory_reserved()} bytes")
# Tensor löschen
del x
print(f"Nach dem Löschen: {torch.cuda.memory_reserved()} bytes")
else:
print("CUDA nicht verfügbar")
Andere Erweiterungen