检查输入数据的格式是否正确。确保输入数据的维度和类型符合模型的要求。
检查模型的参数设置是否正确。确保模型的参数设置与输入数据一致。
检查GPU内存是否足够。如果GPU内存不足，可以尝试减少批量大小或使用更小的模型。
更新cuDNN和GPU驱动程序。确保你使用的是最新版本的cuDNN和GPU驱动程序。
如果以上方法都无法解决问题，可以尝试在CPU上运行代码，以便获取更详细的错误信息。

问题描述

解决方案

环境没有问题

import torch
torch.backends.cuda.matmul.allow_tf32 = True
torch.backends.cudnn.benchmark = False
torch.backends.cudnn.deterministic = False
torch.backends.cudnn.allow_tf32 = True
data = torch.randn([1, 32, 800, 800], dtype=torch.half, device='cuda', requires_grad=True)
net = torch.nn.Conv2d(32, 16, kernel_size=[1, 1], padding=[0, 0], stride=[1, 1], dilation=[1, 1], groups=1)
net = net.cuda().half()
out = net(data)
out.backward(torch.randn_like(out))
torch.cuda.synchronize()

是图象太大，导致显存不够。

用CPU就可以跑

将worker减少

参考文章

还是存在问题。。。。

暂时不搞了，现在手头有急事要做

相似的问题

解决了

将下面代码注释