Python easyOCR即使在GPU上也会分配GPU=False

我需要为一个相当复杂的任务使用多个（我的）TF CNN模型。我还需要时不时地使用easyOCR（PyTorch）。然而，easyOCR的使用非常罕见，与TF模型相比，任务非常小。因此，我在

easyocr.Reader

构造函数中使用

gpu=False

。尽管如此，一旦easyocr预测到任何情况，GPU就会分配给pyTorch（这是一个已知的错误，我已经检查了easyocr的github问题），任何TF模型都会抛出错误：

Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so tr
y looking to see if a warning log message was printed above.

如果我先使用任何TF模型进行预测，easyocr模型会抛出：

RuntimeError: cuda runtime error (2) : out of memory at /pytorch/aten/src/THC/THCCachingHostAllocator.cpp:278

我已经找到了一个解决方案，但把这样的东西投入生产似乎相当危险

---

有没有更安全的方法来实现这一点？

您的tensorflow模型使用了多少GPU内存？如果它们低于您在链接的解决方案中设置的限制，则此类代码并不危险。我们的生产环境中运行着大量类似于它的代码。只要确保所有GPU使用量的总和低于可用的GPU内存总量就可以了——我使用7-8种不同的CNN型号来完成这项任务。然而，它们中的大多数应该是安全的（或者我可以稍微降低批量大小以进行推断）。但这应该是安全的。从长远来看，我不确定easyOCR是否需要内存。如果没有更好的办法，我将被迫使用这个解决方案。