ResourceExhaustedError, которая указывает на недостаток видеопамяти GPU.

Используется код для текстовой классификации из примеров PaddleNLP/examples/text_classification/rnn.
Детали представлены ниже:

Используется собственный набор данных с 180 000 тренировочными данными и 20 000 проверочными данными. Модель выбрана как классический LSTM для текстовой классификации. Операционная среда представлена ниже:
.
Мониторинг производительности показывает, что использование GPU памяти начинается с около 0%, а после приблизительно 20 шагов обучения увеличивается до более чем 80%, затем возникает ошибка.

Здесь установлен batch_size=64, в соответствии с рекомендациями его было изменено на 32, но это также не помогло.

При этом были запущены модели CNN, BOW, LSTM, GRU и RNN. CNN и BOW работают нормально, остальные три рекуррентные нейронные сети модели выдают вышеупомянутую ошибку.