神经网络模型中遇到Segementation falut的解决办法

最近在跑深度学习网络模型的过程中经常会遇到Segementation fault的问题。也尝试了很多解决办法，说一下我认为是有效的两种方法。

方法一：将torch torchvision torchaudio重装，直接在pytorch官网可以获取安装命令，重装完之后遇到Segementation Fault的频率少了一点，但是还是有时候会遇见这样的问题，于是我又发现了方法二。

方法二：主要是我在复现BSPNet的过程中遇到的，在跑模型的过程中。encoder中的最后一个Conv3d总是出现问题，当利用gpu跑的时候就会出现Segementation问题，用cpu的话倒是不会出现这样的问题。

(不用gpu跑模型也是一个解决方法，但是毕竟很多模型为了速度还是要利用cuda的)。

这时可以将该层的输入和网络参数记录下来，之后重启kernel，然后在命令行构造同样大小输入和网络层，然后将输入传递给网络层(记得模型和数据都要放到cuda上)，第一次运行的时候会卡一会，但是之后就会不那么卡，这时再跑模型就不会遇见Segementation fault的问题了。

具体原理我也搞不懂，希望有高人可以在评论区解释一下。