Pytorch图像去噪实战（二十三）：高清大图分块去噪推理，解决显存爆炸和边缘接缝问题一、问题场景：小图效果很好，大图直接爆显存训练图像去噪模型时，我们通常用：128x128 256x256这种 patch 训练。但真实业务里，用户上传的图片可能是：1920x1080 3000x4000 6000x4000我第一次直接把大图送进 UNet，结果显存直接爆了：CUDA out of memory即使换成 CPU，也会非常慢。所以高清图片去噪必须做一个工程处理：分块推理。二、为什么大图不能直接推理？以 UNet 为例，模型中间特征通道很多。输入图越大，中间激活占用越大。显存占用大致与：H × W × 通道数 × 层数相关。所以图片面积增加4倍，显存可能远不止增加4倍。