LeeYongchao commented 4 years ago

版本、环境信息 1）hub.version'1.7.1' 2）paddle.version'1.7.2' 3）ubuntu16.04 4) cuda10 5）paddle.fluid.install_check.run_check() Running Verify Paddle Program ... W0610 10:19:19.803442 8827 device_context.cc:237] Please NOTE: device: 0, CUDA Capability: 75, Driver API Version: 10.1, Runtime API Version: 9.0 W0610 10:19:19.805452 8827 device_context.cc:245] device: 0, cuDNN Version: 7.6. Your Paddle works well on SINGLE GPU or CPU. I0610 10:19:20.703788 8827 parallel_executor.cc:440] The Program will be executed on CUDA using ParallelExecutor, 1 cards are used, so 1 programs are executed in parallel. I0610 10:19:20.704022 8827 build_strategy.cc:365] SeqOnlyAllReduceOps:0, num_trainers:1 I0610 10:19:20.704203 8827 parallel_executor.cc:307] Inplace strategy is enabled, when build_strategy.enable_inplace = True I0610 10:19:20.704339 8827 parallel_executor.cc:375] Garbage collection strategy is enabled, when FLAGS_eager_delete_tensor_gb = 0 Your Paddle works well on MUTIPLE GPU or CPU. Your Paddle is installed successfully! Let's start deep Learning with Paddle now
我的显存有6G，如果您的显存很大，请多放图片，会看到显存一直增长不回收
代码很简单，如下：首先 export CUDA_VISIBLE_DEVICES=0 import os import paddlehub as hub ocr = hub.Module(name="chinese_ocr_db_crnn_server") img_l=os.listdir('./static/images/') # 本目录有20张带文字的图片，如果您显存大，请多放 for img in imgl: = ocr.recognize_text(paths=['./static/images/'+img], use_gpu=True)

报错如下：

Error Message Summary:

ResourceExhaustedError:

Out of memory error on GPU 0. Cannot allocate 29.883057MB memory on GPU 0, available memory is only 22.750000MB.

Please check whether there is any other process using GPU 0.

If yes, please stop them, or start PaddlePaddle on another GPU.
If no, please decrease the batch size of your model.

at (/paddle/paddle/fluid/memory/allocation/cuda_allocator.cc:69)

Steffy-zxf commented 4 years ago

你好！建议直接将所有图片使用cv2读入之后，一次性传给预测接口recognize_text（使用参数images）如：

import os

import cv2
import paddlehub as hub

test_images = 'Path/To/Images'
ocr = hub.Module(name="chinese_ocr_db_crnn_server")
imgs = [cv2.imread(image) for image in test_images]
ocr.recognize_text(images=[imgs], use_gpu=True)

LeeYongchao commented 4 years ago

你好！建议直接将所有图片使用cv2读入之后，一次性传给预测接口recognize_text（使用参数images）如：
import os

import cv2
import paddlehub as hub

test_images = 'Path/To/Images'
ocr = hub.Module(name="chinese_ocr_db_crnn_server")
imgs = [cv2.imread(image) for image in test_images]
ocr.recognize_text(images=[imgs], use_gpu=True)

这个方法行不通，因为在实际中hub是这样用的：

第一步：hub serving start -m chinese_ocr_db_crnn_server

第二步：请求结果：

import requests import json import cv2 import base64 def cv2_to_base64(image): data = cv2.imencode('.jpg', image)[1] return base64.b64encode(data.tostring()).decode('utf8') 发送HTTP请求 data = {'images':[cv2_to_base64(cv2.imread("/PATH/TO/IMAGE"))]} headers = {"Content-type": "application/json"} url = "http://127.0.0.1:8866/predict/chinese_ocr_db_crnn_server" r = requests.post(url=url, headers=headers, data=json.dumps(data)) 打印预测结果 print(r.json()["results"])

第三步：如果有多个人依次请求（注意不是并发），一定是不同的图片，不同的名称，才会发生，而且实际情况就是这样，那么次数一多，就会发生！！！

显存不回收！！！！！！！！

Bingjiajia commented 4 years ago

我也有这个问题，麻烦尽快解决下

moruifang0508 commented 4 years ago

你好！建议直接将所有图片使用cv2读入之后，一次性传给预测接口recognize_text（使用参数images）如：
import os

import cv2
import paddlehub as hub

test_images = 'Path/To/Images'
ocr = hub.Module(name="chinese_ocr_db_crnn_server")
imgs = [cv2.imread(image) for image in test_images]
ocr.recognize_text(images=[imgs], use_gpu=True)
我部署在server上的文字识别模型，也是经常挂掉，显存报错如下：

C++ Call Stacks (More useful to developers):

0 std::string paddle::platform::GetTraceBackString(std::string&&, char const, int) 1 paddle::memory::allocation::CUDAAllocator::AllocateImpl(unsigned long) 2 paddle::memory::allocation::AlignedAllocator::AllocateImpl(unsigned long) 3 paddle::memory::allocation::AutoGrowthBestFitAllocator::AllocateImpl(unsigned long) 4 paddle::memory::allocation::Allocator::Allocate(unsigned long) 5 paddle::memory::allocation::RetryAllocator::AllocateImpl(unsigned long) 6 paddle::memory::allocation::AllocatorFacade::Alloc(paddle::platform::Place const&, unsigned long) 7 paddle::memory::allocation::AllocatorFacade::AllocShared(paddle::platform::Place const&, unsigned long) 8 paddle::memory::AllocShared(paddle::platform::Place const&, unsigned long) 9 paddle::framework::Tensor::mutable_data(paddle::platform::Place const&, paddle::framework::proto::VarType_Type, unsigned long) 10 paddle::operators::BatchNormKernel<paddle::platform::CUDADeviceContext, float>::Compute(paddle::framework::ExecutionContext const&) const 11 std::_Function_handler<void (paddle::framework::ExecutionContext const&), paddle::framework::OpKernelRegistrarFunctor<paddle::platform::CUDAPlace, false, 0ul, paddle::operators::BatchNormKernel<paddle::platform::CUDADeviceContext, float>, paddle::operators::BatchNormKernel<paddle::platform::CUDADeviceContext, double>, paddle::operators::BatchNormKernel<paddle::platform::CUDADeviceContext, paddle::platform::float16> >::operator()(char const, char const, int) const::{lambda(paddle::framework::ExecutionContext const&)#1}>::_M_invoke(std::_Any_data const&, paddle::framework::ExecutionContext const&) 12 paddle::framework::OperatorWithKernel::RunImpl(paddle::framework::Scope const&, paddle::platform::Place const&, paddle::framework::RuntimeContext) const 13 paddle::framework::OperatorWithKernel::RunImpl(paddle::framework::Scope const&, paddle::platform::Place const&) const 14 paddle::framework::OperatorBase::Run(paddle::framework::Scope const&, paddle::platform::Place const&) 15 paddle::framework::NaiveExecutor::Run() 16 paddle::AnalysisPredictor::ZeroCopyRun()

Error Message Summary:

ResourceExhaustedError:

Out of memory error on GPU 0. Cannot allocate 56.250244MB memory on GPU 0, available memory is only 54.750000MB.

Please check whether there is any other process using GPU 0.

If yes, please stop them, or start PaddlePaddle on another GPU.
If no, please decrease the batch size of your model.

at (/paddle/paddle/fluid/memory/allocation/cuda_allocator.cc:69)

2020-06-12 10:11:47,800-INFO: 127.0.0.1 - - [12/Jun/2020 10:11:47] "POST /predict/chinese_ocr_db_crnn_server HTTP/1.1" 200 -

Steffy-zxf commented 4 years ago

@LeeYongchao @Bingjiajia @moruifang0508 感谢反馈！请问你们有试过不使用hub serving，本地调用ocr模型预测，是否会出现显存不足的情况呢？如果出现显存不足的情况，方便将待预测图片发下吗？

LeeYongchao commented 4 years ago

您好，我使用paddleOCR项目中的代码去推理是没有问题的，但是我如果使用hub的话，采用如下代码：首先导入环境变量：export CUDA_VISIBLE_DEVICES=0 然后运行如下代码： import os, time import paddlehub as hub ocr = hub.Module(name="chinese_ocr_db_crnn_server") img_l=os.listdir('./static/images/') # 本目录有20张带文字的图片，如果您显存大，请多放 for img in imgl: = ocr.recognize_text(paths=['./static/images/'+img], use_gpu=True) time.sleep(3)

这里使用循环，每次推理一张图片，就是为了测试他的显存是否回收，然后您观察后台的显存，会发现他一直增长，不降低; 具体来讲，如果在循环中，本张图片比上一张图片需要的显存小，他就不增长，如果本张图片比上一张大，那么肯定会增长，只要是增长了，就不会降下来了，这本身应该是不正常的循环结束后，显存最终的大小就是您图片中最大的那一个。如果您的显存很大，可能不会挂，但是他不回收。

Steffy-zxf commented 4 years ago

@LeeYongchao 循环使用recognize_text接口预测，每次预测一张图片，发现显存在增长。这种情况是符合预期的，因为program在运行的时候会逐渐判断需要多少显存，逐渐分配显存。所以可以看到显存先逐渐增长，之后会稳定。只有当所有图片预测完毕，也就是说当加载的ocr module不再使用，垃圾回收后，此时显存会回收。

LeeYongchao commented 4 years ago

@LeeYongchao 循环使用recognize_text接口预测，每次预测一张图片，发现显存在增长。这种情况是符合预期的，因为program在运行的时候会逐渐判断需要多少显存，逐渐分配显存。所以可以看到显存先逐渐增长，之后会稳定。只有当所有图片预测完毕，也就是说当加载的ocr module不再使用，垃圾回收后，此时显存会回收。

不好意思，刚才代码copy错误了。。。

请用下面的测试：命令行：export CUDA_VISIBLE_DEVICES=0 命令行：hub serving start chinese_ocr_db_crnn_server

然后运行下面脚本：

import requests import json import cv2 import base64

def cv2_to_base64(image): data = cv2.imencode('.jpg', image)[1] return base64.b64encode(data.tostring()).decode('utf8') imgs_l=os.listdir('./static/images/') # 里面很多图片

for img in imgs_l: data = {'images': [cv2_to_base64(cv2.imread("./static/images/"+i))]} headers = {"Content-type": "application/json"} url = "http://127.0.0.1:8866/predict/chinese_ocr_db_crnn_server" r = requests.post(url=url, headers=headers, data=json.dumps(data)) print(r.json()["results"])

脚本运行后，显存还是那么大（5个G的样子），永远不下降。只有把 hub serving start chinese_ocr_db_crnn_server 这个命令杀死后，显存才归零。

Steffy-zxf commented 4 years ago

@LeeYongchao 你使用serving部署module预测。当你的请求结束，只能说明客服端预测完成，但是服务端的进程还在运行，也就是说加载的ocr module没有消亡，自然还会继续占用显存。你可以试试hub stop --help命令终止服务端进程，这样显存就会释放回收。

LeeYongchao commented 4 years ago

@LeeYongchao 你使用serving部署module预测。当你的请求结束，只能说明客服端预测完成，但是服务端的进程还在运行，也就是说加载的ocr module没有消亡，自然还会继续占用显存。你可以试试hub stop --help命令终止服务端进程，这样显存就会释放回收。

您好：这个服务器端现在是无人职守的，不可能每次手动清理显存，他这样占显存，别的程序也用不了，造成了很大的浪费。不知道有没有什么办法可以清理显存呢？

hub stop --help 和 hub --help 的结果是一样的没有清理显存这个内容，hub clear 也试过啦，也不是清理显存的命令。

百忙之中，请帮我问问相关人士，谢谢！！！

moruifang0508 commented 4 years ago

@LeeYongchao 你使用serving部署module预测。当你的请求结束，只能说明客服端预测完成，但是服务端的进程还在运行，也就是说加载的ocr module没有消亡，自然还会继续占用显存。你可以试试hub stop --help命令终止服务端进程，这样显存就会释放回收。

请问hub的后端是paddlepadlde吗？那么使用paddlepaddle的接口可以清理显存吗？我好像也是这种情况哦～不过我的显存很大，倒是不用担心～

y455471846b commented 4 years ago

我的也是，显存不大，碰到大点的直接就卡死了，提问了但是现在找不到提问的帖子了，只能来这里蹭热度了，请解决一下呗，不然这个放服务器上是不可能了，只能自己玩

Steffy-zxf commented 4 years ago

@LeeYongchao @y455471846b 你好！

你的数据量是多大呢？我试了一张49KB的图片，chinese_ocr_db_crnn_server模型显存占用大概4000MB。你说的

脚本运行后，显存还是那么大（5个G的样子），永远不下降。

5G的显存占用，是否有别的进程也在使用同一张显卡呢？

另外如果你的显存不足够大，可以试试轻量级ocr模型chinese_ocr_db_crnn_mobile

Steffy-zxf commented 4 years ago

@moruifang0508 你好！paddlehub 是基于paddle开发的，底层深度学习常用的算子是使用paddle提供的API。清理显存使用，待程序完整使用结束后，会自动释放。

LeeYongchao commented 4 years ago

@LeeYongchao @y455471846b 你好！

你的数据量是多大呢？我试了一张49KB的图片，chinese_ocr_db_crnn_server模型显存占用大概4000MB。你说的

脚本运行后，显存还是那么大（5个G的样子），永远不下降。

5G的显存占用，是否有别的进程也在使用同一张显卡呢？

另外如果你的显存不足够大，可以试试轻量级ocr模型chinese_ocr_db_crnn_mobile

您好，问题的关键并不在显存大小，而是hub servering 起来以后，别人给他发送请求后，他的显存不会自己清理的。你必须 ctrl + C 结束这个东西显存才释放。

如果放任不管，他一张图片推理占用4G ，然后返回请求的结果，然后显存就永远不会动了。而正常情况应该是返回请求的结果后，显存应该下降才对。

LeeYongchao commented 4 years ago

我的也是，显存不大，碰到大点的直接就卡死了，提问了但是现在找不到提问的帖子了，只能来这里蹭热度了，请解决一下呗，不然这个放服务器上是不可能了，只能自己玩

是的，大家都是这个问题！！！ hub servering 起来，模型上显卡，占用大概500M 别人请求一下，显存占用4G，返回请求结果，然后显存不下降。。。。。

Steffy-zxf commented 4 years ago

@LeeYongchao @y455471846b @moruifang0508 感谢反馈！目前预测模式是进程所有线程复用共享内存池，只有等待进程完整结束后显存和内存才会回收释放。输入图片预测完毕需要释放显存内存这个需求已经反馈！预计paddle下个版本会支持。敬请期待。

FD-Liekkas commented 4 years ago

@LeeYongchao @y455471846b @moruifang0508 感谢反馈！目前预测模式是进程所有线程复用共享内存池，只有等待进程完整结束后显存和内存才会回收释放。输入图片预测完毕需要释放显存内存这个需求已经反馈！预计paddle下个版本会支持。敬请期待。

您好，请问显存不回收这个问题在paddle 2.0.0b0这个版本解决了吗？我在版本更新日志中没看到关于这个问题的相关说明，麻烦您解答一下～

Steffy-zxf commented 4 years ago

目前还没有，预计在paddle 2.0正式版本中解决。

w-Bro commented 4 years ago

请问paddle2.0.0rc解决这个问题了吗

milkliker commented 4 years ago

安卓移动版，也存在内存泄露的问题

cuiyong127 commented 3 years ago

请问下现在解决了吗？是哪个版本的paddle解决了？

liweigu commented 3 years ago

在 chinese_ocr_db_crnn_server 1.1.1 （paddlepaddle-gpu==2.0.0rc1.post110）上测试还未解决。

cuiyong127 commented 3 years ago

现在解决了吗？怎么解决的？

liweigu commented 3 years ago

好像还没解决。 https://github.com/PaddlePaddle/PaddleHub/issues/1212

YAwei666 commented 3 years ago

怎么解决啊

BurrowsWang commented 3 years ago

@LeeYongchao @y455471846b @moruifang0508 感谢反馈！目前预测模式是进程所有线程复用共享内存池，只有等待进程完整结束后显存和内存才会回收释放。输入图片预测完毕需要释放显存内存这个需求已经反馈！预计paddle下个版本会支持。敬请期待。

@Steffy-zxf 请问paddlepaddle 2.0.0版本中增加这个功能了么？是哪个参数呢，非常感谢

shch1210 commented 3 years ago

@LeeYongchao @y455471846b @moruifang0508 感谢反馈！目前预测模式是进程所有线程复用共享内存池，只有等待进程完整结束后显存和内存才会回收释放。输入图片预测完毕需要释放显存内存这个需求已经反馈！预计paddle下个版本会支持。敬请期待。

@Steffy-zxf 请问paddlepaddle 2.0.0版本中增加这个功能了么？是哪个参数呢，非常感谢

好像还没支持，我用的2.0版本，还是有这个问题。

zhuangyuyang commented 3 years ago

我用的2.0版本的，还是这个问题，hub serving

cuiyuan605 commented 3 years ago

粗暴的解决方法就是，定时重启程序~~

Yinmm commented 3 years ago

这么久过去了，还是没看到有解决啊

xealml commented 3 years ago

这个问题似乎无解了，官方能出来说下怎么临时解决以下吗

soxunyi commented 3 years ago

Please see Q3.4.17

Jsooooooo commented 3 years ago

2.0.0 CPU预测还是会内存泄漏，2.1.0更新了吗？

Jsooooooo commented 3 years ago

2.1.0 CPU预测也会泄露，接口加载一次模型，然后反复调用接口，内存越来愈大

suntao2015005848 commented 3 years ago

2.0还没解决。这都2021年7月了，给大家说一个简单的解决方法也行，内存占用实在太大，顶不住啊。一个序列标注占6个G，之前1.8版本是2G左右，希望大佬尽快解决一下这个问题。进程占用也和之前不一样了，调用了3次。之前1.8的一个任务占用一个进程。

Steffy-zxf commented 3 years ago

你好！paddle 2.1接口已经增加了释放显存api 接口try_shrink_memory(), 详细参考文档 https://paddleinference.paddlepaddle.org.cn/api_reference/python_api_doc/Predictor.html

Jsooooooo commented 3 years ago

确实这样可以释放内存，但是在CPU下推理，开启mkldnn时，还是会内存泄漏

startfromzero0 commented 2 years ago

现在只使用CPU进行推理，内存竟可达到10个G左右

y455471846b commented 2 years ago

这是来自QQ邮箱的假期自动回复邮件。您好,我已收到，我会尽快给您回复的……

GavinYang5 commented 2 years ago

您好，使用paddlehub部署现在可以释放显存了吗？

GavinYang5 commented 2 years ago

您好，使用paddlehub部署现在可以释放显存了吗？

经过修改paddlehub下载的模型代码，已经将部分显存释放了，在必要步骤增加下面的代码

释放中间Tensor

predictor.clear_intermediate_tensor()

释放内存池中的所有临时 Tensor

predictor.try_shrink_memory()

sixyang commented 2 years ago

您好，使用paddlehub部署现在可以释放显存了吗？

经过修改paddlehub下载的模型代码，已经将部分显存释放了，在必要步骤增加下面的代码

释放中间Tensor

predictor.clear_intermediate_tensor()

释放内存池中的所有临时 Tensor

predictor.try_shrink_memory()

亲测有用！

y455471846b commented 2 years ago

这是来自QQ邮箱的假期自动回复邮件。您好,我已收到，我会尽快给您回复的……

langzigaoi commented 2 years ago

2.3.0gpu还有这个问题

y455471846b commented 2 years ago

这是来自QQ邮箱的假期自动回复邮件。您好,我已收到，我会尽快给您回复的……

xlg-go commented 1 year ago

我的也是，显存不大，碰到大点的直接就卡死了，提问了但是现在找不到提问的帖子了，只能来这里蹭热度了，请解决一下呗，不然这个放服务器上是不可能了，只能自己玩

是的，大家都是这个问题！！！ hub servering 起来，模型上显卡，占用大概500M 别人请求一下，显存占用4G，返回请求结果，然后显存不下降。。。。。

你好，请问这个问题解决没？我也遇到了

y455471846b commented 1 year ago

这是来自QQ邮箱的假期自动回复邮件。您好,我已收到，我会尽快给您回复的……

aixuedegege commented 1 year ago

这么久过去了，还是没看到有解决啊

y455471846b commented 1 year ago

这是来自QQ邮箱的假期自动回复邮件。您好,我已收到，我会尽快给您回复的……

PaddlePaddle / PaddleHub

hub Out of memory in a simple programm!! #682

报错如下：

Error Message Summary:

第一步：hub serving start -m chinese_ocr_db_crnn_server

第二步：请求结果：

第三步：如果有多个人依次请求（注意不是并发），一定是不同的图片，不同的名称，才会发生，而且实际情况就是这样，那么次数一多，就会发生！！！

我部署在server上的文字识别模型，也是经常挂掉，显存报错如下：

C++ Call Stacks (More useful to developers):

Error Message Summary:

然后运行下面脚本：

for img in imgs_l: data = {'images': [cv2_to_base64(cv2.imread("./static/images/"+i))]} headers = {"Content-type": "application/json"} url = "http://127.0.0.1:8866/predict/chinese_ocr_db_crnn_server" r = requests.post(url=url, headers=headers, data=json.dumps(data)) print(r.json()["results"])

释放中间Tensor

释放内存池中的所有临时 Tensor

释放中间Tensor

释放内存池中的所有临时 Tensor

PaddlePaddle / PaddleHub

hub Out of memory in a simple programm!! #682

报错如下：

Error Message Summary:

第一步：hub serving start -m chinese_ocr_db_crnn_server

第二步：请求结果：

第三步：如果有多个人 依次请求（注意不是并发），一定是不同的图片，不同的名称，才会发生，而且实际情况就是这样，那么次数一多，就会发生！！！

我部署在server上的文字识别模型，也是经常 挂掉，显存报错如下：

C++ Call Stacks (More useful to developers):

Error Message Summary:

然后运行下面脚本：

for img in imgs_l: data = {'images': [cv2_to_base64(cv2.imread("./static/images/"+i))]} headers = {"Content-type": "application/json"} url = "http://127.0.0.1:8866/predict/chinese_ocr_db_crnn_server" r = requests.post(url=url, headers=headers, data=json.dumps(data)) print(r.json()["results"])

释放中间Tensor

释放内存池中的所有临时 Tensor

释放中间Tensor

释放内存池中的所有临时 Tensor

第三步：如果有多个人依次请求（注意不是并发），一定是不同的图片，不同的名称，才会发生，而且实际情况就是这样，那么次数一多，就会发生！！！

我部署在server上的文字识别模型，也是经常挂掉，显存报错如下：