最近用Pytorch跑模型，在自己电脑上跑的挺好的，但是一送到服务器上去跑就挂了。一开始以为是batchsize开太大了爆炸了，后面调小了batchsize依旧爆炸，才意识到可能不是这里的问题，应该是出现内存泄漏了。

于是我边跑模型边盯着服务器的RAM占用，果不其然，在模型开始跑了以后，RAM占用还是在不断上升，直到完全占满了内存和swap，产生killed。

知道是发生了内存泄漏，我还是比较惊奇的。这可是Python啊，又不是C，一不小心指针就得出点什么问题。后来经过在网上搜寻，我找到了罪魁祸首，看如下代码：

d_loss_all += d_loss
g_loss_all += g_loss

没错，就是这里出了问题，根据网上的说法，这里的loss是包含自动求导的，如此直接相加会导致autograd历史不断被保存,内存未被释放，最终造成内存爆炸。

解决起来很简单，我们需要一个普通的float数相加就可以了，将代码改为：

d_loss_all += d_loss.item()
g_loss_all += g_loss.item()

完美解决我的问题。

最后，将swap中的内存转到真正的内存上来

swapoff -a && swapon -a