Python文件在PyCharm运行正常但终端报CUDA显存错误是什么原因？

你遇到的报错tensorflow.python.framework.errors_impl.InternalError: CUDA runtime implicit initialization on GPU:0 failed. Status: out of memory核心是TensorFlow初始化GPU:0时申请不到足够显存，两种运行环境结果不一致通常由以下原因导致：

• 运行环境不一致：PyCharm通常会绑定项目配置的虚拟环境，而终端默认使用全局Python环境，如果两个环境的TensorFlow、CUDA版本不同，显存分配策略会有差异：比如2.x早期版本TensorFlow默认申请整块GPU显存，剩余显存不足就会直接OOM；较新版本默认按需分配显存，只要实际运算需要的显存足够就能正常运行。
• 运行配置差异：你可能在PyCharm的运行配置中添加了TF_FORCE_GPU_ALLOW_GROWTH=true这类开启显存动态分配的环境变量，或者在PyCharm全局配置中默认开启了该参数，终端运行时没有带上对应配置，触发了TensorFlow默认的全量显存申请逻辑。
• 显存占用时间差：两次运行的时间差内GPU显存占用情况发生了变化，比如PyCharm运行时刚好没有其他高显存占用的进程，终端运行时其他程序（如训练任务、图形界面进程）占用了部分显存，导致剩余显存不足。
• 权限/配额差异：部分多用户Linux环境下，PyCharm和终端运行时对应的用户身份不同，GPU显存使用配额不同，终端用户的显存配额不足导致初始化失败。

排查解决步骤 #

• 确认环境一致性：分别在PyCharm内置终端和系统终端执行which python（Linux/macOS）或where python（Windows），对比输出的Python路径是否一致，路径不同的话先在系统终端切换到PyCharm所用的虚拟环境再运行脚本。
• 检查显存剩余：运行脚本前执行nvidia-smi查看GPU0的剩余显存，确认剩余空间满足脚本运算的最低要求。
• 手动开启动态显存分配：在脚本最开头添加以下代码，强制TensorFlow按需申请显存：

import tensorflow as tf
gpus = tf.config.list_physical_devices('GPU')
for gpu in gpus:
    tf.config.experimental.set_memory_growth(gpu, True)

• 临时添加环境变量运行：运行脚本前在终端执行对应命令添加动态分配参数：
  • Linux/macOS：export TF_FORCE_GPU_ALLOW_GROWTH=true
  • Windows cmd：set TF_FORCE_GPU_ALLOW_GROWTH=true
  • Windows PowerShell：$env:TF_FORCE_GPU_ALLOW_GROWTH = "true"

内容的提问来源于stack exchange，提问作者Jesus M.