当遇到这个问题时，你可以尝试一下这些建议，按代码更改的顺序递增：

1. 减少“batch_size”

2. 降低精度

3. 按照错误说的做

4. 清除缓存

5. 修改模型/训练

在这些选项中，如果你使用的是预训练模型，则最容易和最有可能解决问题的选项是第一个。

修改batchsize

如果你是在运行现成的代码或模型，则最好的做法是减小batchsize。减半，然后继续减半，直到没有错误为止。

但是，如果在此过程中，你发现自己将batchsize大小设置为 1 并且仍然无济于事，那么就还有其他问题，如果可以修复它，那么模型训练可以在更大的batchsize下工作。

降低精度

如果你用的是 Pytorch-Lightning，你也可以尝试将精度更改为“float16”。这可能会带来诸如预期的 Double 和 Float 张量之间的不匹配等问题，但它可以节省很多内存的，并且在性能上有一个非常轻微的权衡，使其成为一个可行的选择。

这第三种选择 ——

按照错误信息去做

可以使用以下命令完成此操作。如果你使用的是 Windows 计算机，则可以使用 set 而不是 export

export PYTORCH_CUDA_ALLOC_CONF=garbage_collection_thre