机器学习PAI把BatchMatmulV2 fallback到tf发现性能好了不少。但是使用的？
机器学习PAI把BatchMatmulV2 fallback到tf发现性能好了不少。但是使用的gpu显存多了很多，可能是哪方面导致的？大家有遇到过的吗？
展开
收起
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
1
条回答
写回答
-
BatchMatmulV2 fallback 到 tf 可能会导致 GPU 显存使用增加，因为 BatchMatmulV2 是基于 TensorFlow 提供的 API 实现的，而 tf 的算法可能需要更多的显存。
你可以尝试使用 TensorFlow 提供的 profiler 来分析一下具体的显存使用情况。您也可以尝试使用 TensorFlow 自带的图优化功能来优化图的结构，以减少显存使用。
2023-09-26 10:40:53赞同 展开评论
问答分类：
相关问答
人工智能平台 PAI（Platform for AI，原机器学习平台PAI）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务，内置140+种优化算法，具备丰富的行业场景插件，为用户提供低门槛、高性能的云原生AI工程化能力。
相关文章
热门讨论
热门文章
还有其他疑问?
咨询AI助理