qq_59975945的博客

既然这样的话为什么在模型训练的时候不会这样呢？（存在内存重叠），导致PyTorch无法安全地完成原地（in-place）操作。的形式存在的，而在部署的时候，作推理时数据通常是。对于非连续张量，PyTorch会在赋值时。因此在进行原地赋值时不会报错。这个PyTorch报错是因为在执行操作时，，我在所有涉及这部分操作的代码后面加上了。当我们模型在训练阶段中，f的形状通常是。这个操作将f张量的部分数值进行。到项目中时，这行代码。最后，为了加强代码的。

由于循环调用tensorflow.keras.predict导致的内存泄漏问题