
594
|
第
19
章
Colab 确实有一些限制:首先,可以同时运行的 colab notebook 数量有限制(目前每个运
行时类型的数量限制为 5)。而且,如 FAQ 所 述 ,“ Colaboratory 旨在用于交互式使用。
长时间运行的后台计算(尤其是在 GPU 上)可能会停止。请不要使用 Colaboratory 进
行加密货币的挖矿”。如果你暂时不使用 Web 界面(约 30 分 钟 ), Web 界面将自动从
Colab 运行时断开连接。当你重新连接到 Colab 运行时,它可能已被重置,因此请确
保导出你关心的所有数据(下载或者保存到 Google Driver)。即使你从未断开连接,
Colab 运行时也会在 12 小时后自动关闭,因为它不适合长时间计算。尽管有这些限
制,它还是一个出色的工具,可以轻松地运行测试,快速获得结果,与你的同事进行
协作。
19.3.4 管理 GPU 内存
默认情况下,TensorFlow 会在你第一次运行计算时自动获取所有可用 GPU 中的所有
RAM。这么做是为了防止 GPU 内存碎片。这意味着如果你启动第二个 TensorFlow 程序
(或任何需要 GPU 的程序),内存将很快用完。这不会像你想的那样频繁发生,因为你通
常会在机器上运行单个 TensorFlow 程序:通常是训练脚本、TF Serving 节点或 Jupyter
notebook。如果出于某种原因需要运行多个程序(例如在同一台机器上并行训练两个不
同的模型),则需要在这些进程之间更均匀地分配 ...