我对 julia 还很陌生，我目前正在尝试一些具有循环结构的深度卷积网络。我正在使用 CuArrays（CUDA 9.0 版）在 GPU 上训练网络。
拥有两个独立的 GPU，我启动了两个具有不同数据集的实例。经过一些训练后不久，两个 julia 实例都分配了所有可用内存（2 x 11GB），我什至无法使用 CuArrays 自己启动另一个实例（内存分配错误）。这成了一个相当大的问题，因为它运行在许多人共享的服务器上。
我假设这是使用所有可用内存尽可能快地训练的正常行为。但是，在这种情况下，我想限制可以分配给同时运行两个实例的内存，并且不要阻止我或其他人使用 GPU。令我惊讶的是，我只发现了非常非常少的信息。
我知道 CUDA_VISIBLE_DEVICES 选项，但这无济于事，因为我想在两个设备上同时训练。另一个建议调用 GC.gc() 和 CuArrays.clearpool() 第二个调用会引发未知函数错误，并且似乎不再包含在 CuArray 包中。我目前正在测试的第一个，但不完全是我需要的。是否有可能使用 CuArrays 和 Julia 限制 GPU 上的 RAM 分配？在此先感谢我的 Batchsize 是 100，一批应该少于 1MB...