解决由于cuda内存泄漏导致的中途cuda内存报错问题 torch.cuda.0utofMemoryError: CuDA out of memory.

模型报错截图 

 在运行代码中，代码能够运行。此时说明cuda的内存是足够支撑项目运行，但是运行中途cuda内存报错。对此在网上进行寻求答案。

 cuda内存不够原因：

 1：batchsize设置太大：

解决方法：减少batchsize的大小，尽可能的减少一批数据的加载

2：内存泄漏：

 代码在每次迭代中都留下了未清理的数据，这些数据将累积并最终耗尽所有可用的 GPU 内存。这可能是因为某些变量没有被及时释放，或者某些操作导致了额外的内存占用。

 解决方法：使用 torch.cuda.empty_cache() 清理未引用的 CUDA 内存，以及确保及时删除不再需要的变量。

 

torch.cuda.empty_cache() 代码使用注意事项

 1：这个操作只会释放 PyTorch 未使用的缓存内存，不会释放已经分配给张量的内存。

2： 通常在模型评估或模型训练的特定时刻（如每个 epoch 后）调用此函数，而不是在每个训练步骤中调用。（建议在epoch循环中使用，每结束一个epoch就释放缓存）

原因：频繁调用 torch.cuda.empty_cache() 可能会导致性能下降，因为释放内存并不是没有成本的操作。

 声明：

此次文章只为记录研究学习期间遇到的问题以及解决方法用。目的仅供记录学习。 

此次信息来源网络，本人不承担任何法律后果。

内容错误部分，还请谅解。目前我的问题已解决，但是你要和我犟，那就是你对，对对对！