CUDA：CUDA out of memory. Tried to allocate 100.00 MiB (GPU 0； 15.78 GiB total capacity； 14.24 GiB al

1.batch_size调整
batch_size调整小了的影响：
区别：在于变化的趋势，一个快，一个慢。在显存能允许的情况下，同样epoch的树木，batchsize大的需要的batch数目减少，因此训练时间也减少了。大的batchsize梯度计算的更加稳定，模型的训练曲线可能会更加的平滑。微调的时候大的batchsize可能会取得更好的结果。模型性能但可能会下来。
大的batchsize减少训练的时间，提高稳定性。
小的batchsize引入随机性的机会大一些，具有更好地泛化能力，
固定lr，存在一个最优的batchsize能够最大化test的acc
策略：batchsize增加N倍，为了保证经过同样样本后更新的权重相等，按照 线性缩放规则，lr也应该增加为原来的N倍（尽量使用比较的大学习率 更加有竞争效果 收敛更稳定 大的lr有利于提高泛化能力）
2.BN层 affine=FALSE（不更新BN层的参数）