Отзыв о JXL от Jeffrey Sanders

Name: JXL
Item: JXL
Rating: 5

12 сентября 2022

CUDA не хватает памяти. Попытка выделить 20,00 МБ (GPU 0; общая емкость 14,62 ГБ; 13,51 ГБ уже выделено; 14,00 МБ свободно; всего 13,65 ГБ зарезервировано PyTorch). Если зарезервированная память >> выделенная память, попробуйте установить max_split_size_mb, чтобы избежать фрагментации.

CUDA не хватает памяти. Попытка выделить 20,00 МБ (GPU 0; общая емкость 14,62 ГиБ; 13,49 ГиБ уже выделено; 14,00 МБ свободно; всего 13,65 ГиБ зарезервировано PyTorch). Если зарезервированная память >> выделенная память, попробуйте установить max_split_size_mb, чтобы избежать фрагментации. См. документацию по управлению памятью и PYTORCH_CUDA_ALLOC_CONF.
CUDA не хватает памяти. Попытка выделить 20,00 МБ (GPU 0; общая емкость 14,62 ГБ; 13,51 ГБ уже выделено; 14,00 МБ свободно; всего 13,65 ГБ зарезервировано PyTorch). Если зарезервированная память >> выделенная память, попробуйте установить max_split_size_mb, чтобы избежать фрагментации.
﻿

Плюсы

Поддержка распределенного обучения на кластерах.
Легко интегрируется с Keras API.
Простая кодовая база и легкость настройки.

Минусы

Документация разбросана по множеству файлов.
Проблемы с производительностью при запуске моделей глубокого обучения на больших наборах данных.
Немного сложно изучить из-за сложности.