由于深度学习在GPU上运行，所以报错信息的位置可能不太准确，所以利用CUDA_LAUNCH_BLOCKING=1 来准确定位。即在命令行之前加上，即：
CUDA_LAUNCH_BLOCKING=1 python main.py
上面报错的意思就是数组下标超了，所以就应该看看到底是等式左边超过了，还是右边超过了。
由于没有在pycharm上配置好，所以只能在服务器上debug（md，马上把pycharm配好，这样可以直接在pycharmdebug了）
由于不知道是这一行的哪里出错了，所以我们得继续拆分：把各个小部分打印出来
这样看本应该看出问题，就是第二个的上千，早就超过了第一个的最大下标377，但是当时哈了，没看出来。所以得精确查看哪里出错了，直接code下面的组件：
发现报错了，然后再联想上面的输出，没错，罪魁祸首就是它，终于找到了。
然后仔细对比才发现第一个数组的长度应该是数据集的长度，而我弄成了data_loader的长度，所以才会超标。
因为data_loader的长度等于数据集/batchsize。不一样
debug得一步一步精确，不断想办法缩小范围。
最后大功告成！
