注意：本方法不适用于全部问题，仅为本人实验过程中遇到问题进行解决的记录。

问题出现于训练代码train.py中

1. 出现问题代码 ，问题出现在倒数第二行。

   model.train()
    for i, pack in enumerate(train_tbar):
    
        batch_size = pack[0].size(0)

        optimizer.zero_grad()
        images, gts = pack
        images = Variable(images)
        gts = Variable(gts)
        images = images.cuda()
        gts = gts.cuda()

        atts = model(images)

        loss1 = criterion(atts, gts)
        loss = loss1
        loss.backward()
        optimizer.step()

        now_train_loss += loss * batch_size
        now_iter_size  += batch_size

2. 如何修改？ ，将原先的代码修改为如下,即可解决。

        now_train_loss += loss.item() * batch_size

2. 为什么这么修改？ ，

	loss.item() 是 PyTorch 中 Tensor 对象的方法，它将张量中的单个值转换为一个 Python 标量。这个方法常用于从包含标量的张量中提取数值，以便进行进一步处理或记录。
	根据网上评论得知：如不修改，Loss张量会一直累积在内存中，导致内存逐渐增大。（不知真假）