问题描述：
- 当模型训练好以后，进行测试或者线上部署模型时候，时长会遇到OOM(out of memory)的问题；
在pytorch框架下进行模型训练时候，会进行梯度计算，生成计算图（大量的中间变量）以用于反向传播，计算图的生成会占用较大的显存，这时的梯度计算是不可或缺的；而在模型训练好以后，若只是想要得到一个测试结果，那么就无须再进行梯度计算，不然，若显存被大量占用，而又不能及时释放时，或者分配的量大于释放的量时，显存将会一点点或者一下子被消耗殆尽，然后发出异常（OOM）！
那么，该如何解决呢？
- 下面，就提供一种解决方法，亲测有效：
在需要进行梯度计算的地方加上with torch.no_grad()函数，该函数的作用是取消计算图的生成，即无须再进行梯度计算用于返现传播，这将大大减少显存的占用，亦可使已分配的显存得到及时释放。具体使用如：
with torch.no_grad():
ret= model(inputs)