RuntimeError: CUDA out of memory.

#问题描述：RuntimeError: CUDA out of memory.Tried to allocate 1.86GiB(GPU 3;23.70 GiB total capacity; 20.81 GiB already allocated; 1.10GiB free;20.92 GiB reserved in total by PyTorch)
#代码图片：
使用yolov7训练AI-TOD数据（遥感目标检测数据集，训练集大概10g左右，特点是单张图片中目标小且多），训练几个轮次之后会中断程序并报错。
使用yolov7-tiny结构是可以正常训练，使用yolov7标准版会报错，加了注意力机制的yolov7-tiny也会报错

#我的初步解决思路：
1.改batch-size：缩小为8，4，2等，
2.改workers，改为4，2，1等
3.改img-size，将img-size改为【320，320】
以上三种方法可以让训练多几个epochs，但是最多十次左右还是会终止。
4.运行torch.cuda.empty_cache()函数。
在代码中提示报错的位置373行（计算损失函数之前）以及398行添加

if hasattr(torch.cuda, 'empty_cache'):            #hasattr() 函数用于判断对象是否包含对应的属性。
   torch.cuda.empty_cache()

此时在使用yolov7网络，选择loss_ota作为计算损失函数，选择低batch-size可训练。
这个时候显存的利用率显示较低，但是稍稍提高batch-size，训练一半程序还是会突然报错。
5.超参数的选择，将超参数loss_ota置于0，同时使用方法4的时候，使用yolov7标准版网络可以低batch-size运行，但是训练精度会降低。
另外，网络结构稍复杂一点，或者改进后的网络还是会报错。

#操作环境及配置
ubuntu系统，3090显卡

这是爆内存了，你还是换专业卡吧