【问题记录】RuntimeError: GET was unable to find an engine to execute this computation

在神经网络搭建设计过程中遇到关于CUDA报错（指搜索结果的指向），实际问题出现在网络的损失计算阶段（这里使用交叉熵损失函数、二元交叉熵、F.cross_entropy、nn.BCEWithLogitsLoss等），示例警告和相关报错如下：
https://blog.csdn.net/wuliBob/article/details/104119616
https://blog.csdn.net/studyeboy/article/details/135245104
https://blog.csdn.net/qq_38253837/article/details/119654485
https://blog.csdn.net/BetrayFree/article/details/134267306

*小技巧：对于调试过程中不显示报错位置，错误比较模糊的可以调用os精准化报错信息。

import os
os.environ['CUDA_LAUNCH_BLOCKING'] = '1'

实际问题出现在网络结果中的负值。

经验证发现：对于仅更换网络接口时，其他网络可以进行正常训练。当网络输出结果中包含少量负值，训练代码可以正常跑通，当出现大量负值时，会出现大量不同的关于CUDA的报错警告信息。注意：这里并未对少量大量进行量化（玄学）。

问题解决：对于这类问题的解决要点在于BN和RELU等结构的适当调整，以个人经验看来适当控制网络输出，增加激活函数来减少网络负值现象，能够有效解决此类问题。