1、先来看看平常使用的向量所占用空间的大小
pytorch官方发布的向量占用
举例32bit float tensor，占用4个字节，所以对于一张RGB三通道的图像来说，如果长宽分别为500 x 500，数据类型为单精度浮点型，那么这张图所占的显存的大小为：500 x 500 x 3 x 4B = 3M。一个(256,3,100,100)-(N,C,H,W)的FloatTensor所占的空间为256 x 3 x 100 x 100 x 4B = 31M。
2、显存究竟去了哪里？
占用显存比较多空间的并不是我们输入图像，而是神经网络中的中间变量以及使用optimizer算法时产生的巨量的中间参数。
我们首先来简单计算一下Vgg16这个net需要占用的显存：
通常一个模型占用的显存也就是两部分：
模型自身的参数(params)模型计算产生的中间变量(memory)
图片来自cs231n，这是一个典型的sequential-net，自上而下很顺畅，我们可以看到我们输入的是一张224x224x3的三通道图像，可以看到一张图像只占用150x4k，但上面标注的是150k，这是因为上图中在计算的时候默认的数据格式是8-bit而不是32-bit，所以最后的结果要乘上一个4。
图片从3通道变为64 –> 128 –> 256 –> 512 …. 这些都是卷积层，而我们的显存也主要是他们占用了。 还有上面右边的params，这些是神经网络的权重大小，可以看到第一层卷积是3×3，而输入图像的通道是3，输出通道是64，所以很显然，第一个卷积层权重所占的空间是 (3 x 3 x 3) x 64。
另外还有一个需要注意的是中间变量在backward的时候会翻倍！
优化器也会占用我们的显存！
SGD随机下降法的总体公式，权重W在进行更新的时候，会产生保存中间变量，也就是在优化的时候，模型中的params参数所占用的显存量会翻倍。
当然这只是SGD优化器，其他复杂的优化器如果在计算时需要的中间变量多的时候，就会占用更多的内存。
深度学习中神经网络的显存占用，我们可以得到如下公式：
显存占用 = 模型显存占用 + batch_size × 每个样本的显存占用
可以看出显存不是和batch-size简单的成正比，尤其是模型自身比较复杂的情况下：比如全连接很大，Embedding层很大
另外需要注意：
输入（数据，图片）一般不需要计算梯度神经网络的每一层输入输出都需要保存下来，用来反向传播，但是在某些特殊的情况下，我们可以不要保存输入。比如ReLU，在PyTorch中，使用nn.ReLU(inplace = True) 能将激活函数ReLU的输出直接覆盖保存于模型的输入之中，节省不少显存。感兴趣的读者可以思考一下，这时候是如何反向传播的（提示：y=relu(x) -> dx = dy.copy();dx[y<=0]=0）3、总结
（1）模型中那些层会占用显存
有参数的层即会占用显存的层。我们一般的卷积层都会占用显存，而我们经常使用的激活层Relu没有参数就不会占用了。
占用显存的层一般是：
卷积层，通常的conv2d全连接层，也就是Linear层BatchNorm层Embedding层而不占用显存的则是：
刚才说到的激活层Relu等池化层Dropout层具体计算方式：
Conv2d(Cin, Cout, K): 参数数目：Cin × Cout × K × KLinear(M->N): 参数数目：M×NBatchNorm(N): 参数数目： 2NEmbedding(N,W): 参数数目： N × W（2）额外的显存
总结一下，我们在总体的训练中，占用显存大概分以下几类：
模型中的参数(卷积层或其他有参数的层)模型在计算时产生的中间参数(也就是输入图像在计算时每一层产生的输入和输出)backward的时候产生的额外的中间参数优化器在优化时产生的额外的模型参数但其实，我们占用的显存空间为什么比我们理论计算的还要大，原因大概是因为深度学习框架一些额外的开销吧，不过如果通过上面公式，理论计算出来的显存和实际不会差太多的。
4、优化
减少输入图像的尺寸减少batch，减少每次的输入图像数量多使用下采样，池化层一些神经网络层可以进行小优化，利用relu层中设置inplace购买显存更大的显卡从深度学习框架上面进行优化