Pytorch ResNet模型未按预期使用GPU内存大小

我正在使用torchvision.models.resnet50做一些实验。但我发现GPU上的模型使用的内存大小比预期的要小。 以下是我的代码：

import torch
import torchvision
from torchsummary import summary
import numpy as np

model = torchvision.models.resnet50(pretrained=True)
model = model.cuda()
summary(model, (3, 448, 448), 24)
input = torch.tensor(np.random.random((24, 3, 448, 448)), dtype=torch.float32)
input = input.cuda()
while True:
    model(input)

当我运行这段代码时，summary函数告诉我，要使用的总内存约为27GB，包括参数和向前/向后传递大小。我认为，根据resnet50的网络，这接近预期的规模。 但是，当模型转换为GPU并运行培训时，我发现GPU内存使用量仅保持在9GB左右。 这正常吗？我担心GPU不能为我的培训工作提供完整的计算。

---

有人能帮我一下吗？谢谢

你怎么知道预期的尺寸是多少？这个27GB的数字是从哪里来的？您如何知道预期的大小？这个27GB的数字是从哪里来的？