代码方面
- 改小
batch size - 要适当删除没用的中间变量（虽然效果不大）
比如：
del output - train的时候，累加loss 一定要
+=loss.item()，不然会把loss的history也加进去，又占显存了 - 同理2，及时detach()
比如rnn decoder的输出中把上一个时间步的输出作为下一个时间步的输入，那么这个输入完全就可以
.detach() - valid or test的时候，一定要
with torch.no_grad() - 用
torch.cuda.empty_cache()清除显存
外部方面
换个大显存的GPU…
当然有这个钱的话就不会有遇到这个error了…
所以
如果不能拓展显存，那么就及时关闭占用显存的软件，因为我刚刚同时开了pr，占了几百M，关了以后明显占用小了300m
然后重启一下pycharm也会结束这个进程 释放一些因为在占用没法完全清楚的显存 （也就大概200m吧）
Nvidia-smi 查看显存占用的情况哈
