使用FVD时遇到的问题记录：使用tensorflow时batch_size不变的情况下使用数据量更大的dataset发生了显存溢出(OOM)问题 的解决

情况：计算 FVD 时，使用 dataset-1 时运行成功，使用数据量(data size)更大的 dataset-2 时运行失败。报错OOM：显存溢出。

查找问题：比较两次计算时的 input video 的 data shape，发现成功的那个是：[2, 64, 224, 224, 3]，失败的那个是：[2, 180, 224, 224, 3]。

注：shape各dim的含义是：[batch_size, num_frames, height, weight, depth]

发现不对劲：input 的 num_frame 的大小应该相同，都是 16。此处的 64 和 180 是 input vid 在 resize 前的 weight 大小。

找到原因：resize 时的 vid shape 没有调整好。要求 热size 的 input shape 是 [bs, t, h, w, c]，而我的是 [bs, c, t, h, w]。例如，错误输入：[2, 3, 16, 144, 180] 的 resize 结果为 [2, 180, 224, 224, 3]，而不是期待的 [2, 16, 224, 224, 3]。

解决方案：将 resize 前的 vid shape 用 tensor.permuter() 调好后，问题解决。

小结：所以，bs大小可能会造成显存溢出(OOM)，而使用的数据量(data size)大小不会。起码此处不会。