复用别人代码中遇到的问题（pytorch）

1.训练时loss保持一个“看似合理”的固定数值，test时准确率为0。
原因：output和label维度不匹配或output或是label的值为0

2.测试集的准确率始终为0
原因：与问题(1)类似，label或output的值存在问题，有可能是在dataloader里包装的sample时就存在问题。
教训：在dataloader里读取图像的方法尽量少传入类的属性作为参数，这样便于调试。

3.训练时没有问题，测试时“out of memory”
原因：我的网络任务是做图像的分类，因此在测试时，放在cuda上的参数量过大，因此做了如下修改：

#原始
data_var = Variable(data,volatile=True).cuda(async=True)
label_var = Variable(label,volatile=True).cuda(async=True)
#改为如下形式
with torch.no_grad():
	data_var = Variable(data).cuda(async=True)
	label_var = Variable(data).cuda(async=True)

做了上述修改之后发现还是会报out of memory的问题，后来逐行排查时发现可能是由于我想要保存图片名和output的值到一个字典里的时候，直接将cuda上的output这一tensor保存下来，所以导致占用的空间过大（具体是什么过程还不清楚，但可以确定是这一行报错），因此在保存的时候做了如下修改：

#原始
preds[img_name]=output
#修改为
preds[img_name]=output.data.cpu().numpy()