代碼方面
- 改小
batch size - 要適當刪除沒用的中間變量（雖然效果不大）
比如：
del output - train的時候，累加loss 一定要
+=loss.item()，不然會把loss的history也加進去，又佔顯存了 - 同理2，及時detach()
比如rnn decoder的輸出中把上一個時間步的輸出作爲下一個時間步的輸入，那麼這個輸入完全就可以
.detach() - valid or test的時候，一定要
with torch.no_grad() - 用
torch.cuda.empty_cache()清除顯存
外部方面
換個大顯存的GPU…
當然有這個錢的話就不會有遇到這個error了…
所以
如果不能拓展顯存，那麼就及時關閉佔用顯存的軟件，因爲我剛剛同時開了pr，佔了幾百M，關了以後明顯佔用小了300m
然後重啓一下pycharm也會結束這個進程 釋放一些因爲在佔用沒法完全清楚的顯存 （也就大概200m吧）
Nvidia-smi 查看顯存佔用的情況哈