为什么Torch在使用1.5mb网络进行预测时会占用大约700mb的GPU内存

我对Torch/CUDA非常新，我正在尝试测试来自https://github.com/1adrianb/binary-face-alignment的小型二进制网络(~1.5mb)，但我一直遇到'out of memory'问题。

我正在使用一个相对较弱的GPU (NVIDIA Quadro K600)，具有16.04 Ubuntu和CUDA 10.0和CudNN版本5.1的约900MB图形内存，因此我并不真的关心性能，但我认为我至少应该能够运行小型的预测网络，每次一张图片(特别是那些“资源有限”的人所针对的)。

我设法在无界面模式下运行代码，并检查内存消耗约为700MB，这可以解释为什么它在我运行X-server(消耗约250MB的GPU内存)时立即失败。

我还添加了一些日志，以查看我有多远进入了_main.lua_，并且正是在第一张图片上调用了output:copy(model:forward(img))时耗尽了内存。

供参考，以下是运行崩溃之前的main.lua代码:

    require 'torch'
    require 'nn'
    require 'cudnn'
    require 'paths'

    require 'bnn'
    require 'optim'

    require 'gnuplot'
    require 'image'
    require 'xlua'
    local utils = require 'utils'
    local opts = require('opts')(arg)

    print("启动堆跟踪")
    torch.setheaptracking(true)

    torch.setdefaulttensortype('torch.FloatTensor')
    torch.setnumthreads(1)
    -- torch.

    local model
    if opts.dataset == 'AFLWPIFA' then
        print('目前不可用。支持很快就会添加')
        os.exit()
        model = torch.load('models/facealignment_binary_pifa.t7')
    else
        print("正在加载模型")
        model = torch.load('models/facealignment_binary_aflw.t7')
    end
    model:evaluate()

    local fileLists = utils.getFileList(opts)
    local predictions = {}
    local noPoints = 68
    if opts.dataset == 'AFLWPIFA' then noPoints = 34; end
    local output = torch.CudaTensor(1,noPoints,64,64)
    for i = 1, #fileLists do

        local img = image.load(fileLists[i].image)
        local originalSize = img:size()

        img = utils.crop(img, fileLists[i].center, fileLists[i].scale, 256)
        img = img:cuda():view(1,3,256,256)
        output:copy(model:forward(img))

因此，我有两个主要问题:

1.有什么工具可以调试torch的内存使用? 2.这种内存膨胀的可能原因是什么?

它一定不只是网络和加载到GPU的图像。我最好的猜测是它与LoadFileLists函数有关，但我根本不了解Torch或Lua的更多知识，无法进一步发现。其他答案表明真的没有支持显示一个变量占用多少内存。