AI 生圖與影片

GPU「卡住不動」急救筆記：先查資源清乾淨了沒，再考慮重啟

GPU 100% 不代表任務還活著。很多卡死是上一個步驟的顯存沒有還乾淨，下一步要不到連續空間。重啟是最貴的解法，先試只清這一段的殘留。

2026/10/18 ｜ 3 分鐘閱讀 ｜ 適合跑多階段 AI pipeline 的人，約 15 分鐘讀完加動手試一次

一個核心觀念

「GPU 使用率 100%」不代表任務還活著。很多卡死狀況其實是：某個步驟結束後，它用過的顯存沒有乾淨地還回去（術語叫「碎片化」），下一個步驟想要一塊連續夠大的顯存卻要不到，於是卡在那裡動彈不得。但因為卡住的那一刻剛好還有運算在跑，監控畫面看起來還是滿載。

多數人第一直覺是「資源不夠、重啟吧」，但重啟是最貴的解法，所有模型都要重新載入。真正該先做的是局部清理：只清剛才那個步驟留下的殘留，不動其他還在正常運作的部分。

按步驟做

Step 1：先確認是不是真的卡死，不是只是算得比較久

打開 GPU 監控（Windows 用工作管理員的效能頁，或用 nvidia-smi），持續看 30 秒到 1 分鐘：

• 顯存用量、使用率一直在小幅跳動：還在正常運算，耐心等。
• 數字完全凍結，同時任務進度條也完全不動：這才是真卡死，進下一步。

Step 2：找你的框架有沒有「清空快取」或「卸載模型」的功能

不同框架叫法不同，概念差不多。例如 PyTorch 底層有 torch.cuda.empty_cache()；ComfyUI 這類節點式工具，擴充套件裡通常有現成的「清理／卸載」節點，可以直接拖進畫布，不用自己寫程式。

不確定有沒有、不知道怎麼叫出來，把下面這段貼給 AI 助手（換成你的工具名稱）：

我在用 [你的工具名稱]，跑到一半卡住不動，GPU 顯示還在滿載但進度沒變化。這個框架的底層有沒有清空 GPU 快取或卸載模型的函式或功能？我要怎麼在我的流程裡加進去？請一步一步教我，我是新手。

Step 3：把清理動作插在「容易出問題的兩個步驟中間」

關鍵是位置。清理要卡在「可能留下殘留的那一步」和「下一步」之間，形成一道關卡，逼流程一定要先清乾淨才能往下走。只在最開頭清一次，中間的殘留還是會留著。

Step 4：跑一次，比較清理前後的總耗時

加了清理步驟後，任務應該不再卡死，而且總耗時不會明顯變長（清理本身通常只要幾秒）。如果清理之後還是卡，或明顯變慢很多，代表問題可能不是碎片化，要往別的方向查，例如真的資源不夠、或別的程式在搶用。

你一定會踩的坑

1. 以為「清空快取」等於解決一切卡死。它只解決「殘留資源沒還回去」這一種原因。清理後不卡了、但輸出內容本身有別的問題，那是另一件事，分開排查，一次只驗證一個變因。
2. 清理步驟放錯位置，等於沒放。如果清理節點沒有真的卡在資料流的路徑上（下一步一定要等它跑完才能繼續），框架可能認為它跟主流程無關，直接跳過或提早執行。確保清理步驟的輸出有被下一步用到，哪怕只是把資料原封不動傳下去。
3. 只測一次就以為修好了。卡死通常跟跑了多久、跑了幾輪有關。至少連續跑 2 到 3 輪，或換不同輸入再測一次。

一句話總結

GPU 卡住不動時，先假設是「上一輪的東西沒清乾淨」，而不是「這台機器不夠力」。多數框架都有現成的清理功能，插進流程中間當關卡，通常比整組重啟便宜很多。

萬用救援：卡住怎麼問 AI

我在用 [工具／框架名稱，版本號如果知道也附上]，想要達成 [你的目標]。我卡在這一步：[描述具體卡住的動作]。錯誤訊息或異常現象是：[貼上完整錯誤訊息，或描述「沒有錯誤訊息，但進度是這樣異常」]。我已經試過：[列出試過的方法]。請你：1) 先幫我判斷可能的根本原因，不要急著給程式碼；2) 確認原因後，一步一步教我怎麼修，假設我是新手。

重點是「先問原因、再要步驟」。直接要程式碼，常常拿到一個看起來能跑、但沒解決根本問題的答案。