解决：RuntimeError: CUDA out of memory.

解决：RuntimeError: CUDA out of memory.

原因：GPU内存不足

解决方案：

1.更换更大的GPU或者租用服务器

2.减小batch_size

一般为2的幂次，减小为4的话还不行就换方法。

3.更改代码

在训练代码前添加

with torch.no_grad():

修改之后可能会出现如下错误：

RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn

这是由于PyTorch在创建张量的时候默认requires_grad=False，需要手动设置一下,在固定位置添加如下代码(注意loss的名字)：

loss_sum.requires_grad_(True)

4.尝试在Google Colab上运行

（1）注册Google drive（谷歌云盘）
因为整个流程是在Google的平台上进行的，所以科学上网必不可少。
其次需要准备谷歌账号注册Google drive，需此作为自己项目的传输媒介。
Google Driver官网：https://drive.google.com/drive/
Colab官网：https://colab.research.google.com/
登录自己的谷歌账号注册谷歌云盘。
（2）上传项目文件
点击左侧“新建”——“文件夹”——“工程名称”，然后上传自己的项目文件。
右击空白上传和从系统文件夹拖拽的方式均可。
最好将项目文件压缩上传，由于网速原因，直接上传文件夹，里面的文件很大几率漏传，特别是数据集中的图片和标签漏传，想将其重新补传进去是一件很头疼的问题，本文以压缩包zip格式为例。
（3）安装Colaboratory
在Google drive上 “新建”——“更多”——“关联更多应用”，搜索“Colaboratory”，然后按照提示进行安装。
过程中可能需要再次登录谷歌账号，乃至输入安全验证码，验证码一般为10位数字，可以登录谷歌邮箱在账户管理中查询到。
之后，“新建”——“更多”——“Google Colaboratory”，创建文本。

(4)colab相关操作和命令
接着进入colab后，便可以看到类似于jupyter的编程笔记本，不同的是colab自带配置好的环境，可将其左上方改为自己的所需名称，例如：“demo”。
点击上侧工具栏“代码执行程序”——“更改运行时类型”，及可以选择所需硬件“GPU/TPU”.
紧接着我们需要挂载我们的Google drive 才能载入我们的项目文件，输入如下命令：

from google.colab import drive
drive.mount('/content/drive')

结果如下即为成功。

查看GPU信息

!nvidia-smi # 查看显卡信息

若之前在云盘中上传的是项目压缩包，则需要以下命令对其压缩包进行解压：（tip：可点击左侧文件夹标志，出现文件夹可视化树状图，右击快速复制文件夹或文件所在路径）

!unzip -uq "/content/drive/MyDrive/demo/yolov5-master.zip" -d "/content/drive/MyDrive/demo"
# !unzip -uq "压缩包所在路径" -d "解压目标文件夹路径"

解压完成后，执行如下命令进入项目文件夹：

%cd /content/drive/MyDrive/项目名称
# %cd 项目文件所在路径

如下命令可展示当前路径下所有文件夹及文件：

!ls # 展示当前路径文件列表

若该项目还需继续修改配置或参数，也可以直接双击左侧文件夹路径中文件进行修改，特别是项目中很多路径问题，建议上传项目前，已知路径均修改为项目的相对路径；若为完整可执行项目，就到了最后一步执行了：

!python train.py # !python 要执行的py文件

参考链接