RuntimeError: [enforce fail at ..\c10\core\CPUAllocator.cpp:76] data. DefaultCPUAllocato模型训练中的内存溢出问题

num_workers = 4

解决方案：为您的 CPU “减负”

导致 CPU 内存耗尽的最主要原因有两个：批量大小（Batch Size） 和 数据加载的工作线程数（num_workers）。

方案一：大幅减小 num_workers - 最直接的解决方案

这是解决这个问题的首选方案。

1. 在 PyCharm 中，打开您的 train.py 文件。

2. 找到配置区的最下方，大约在第 229 行左右，您会看到这个参数：

   Generated python

   num_workers = 4
   ```3.  **这是什么意思？** 它表示您雇了 **4 个工人（子进程）**在后台同时为您准备数据。每个工人都需要消耗自己的一份内存。当 Batch Size 较大时，4 个工人同时开工，内存消耗就是 4 倍，很容易就爆掉了。

   Use code with caution.Python

3. 请将这个值大幅减小！

   • 首先，请直接把它改成 num_workers = 0。

   • 解释：设置为 0 意味着“不要雇工人了，我自己（主进程）来准备数据”。这会关闭多进程数据加载，虽然准备数据的速度可能会变慢，但它能从根本上解决多进程带来的额外内存消耗问题。

方案二：再次确认并减小批量大小 (Batch Size)

虽然您已经解决了 GPU 显存问题，但 Batch Size 同样也影响着 CPU 内存的消耗。一次处理的图片越多，在 CPU 端需要整理的数据量也越大。

• 请再次检查您的 Freeze_batch_size 和 Unfreeze_batch_size。

• 根据报错前的进度条 Batch size from DataLoader should be: 8，我们可以看到当前有效的批量大小是 8。

• 在 num_workers=0 的基础上，如果问题还存在，可以尝试将 Freeze_batch_size 和 Unfreeze_batch_size 都设置成一个更小的值，比如 4 或 2。