在Debian上解決PyTorch內存不足問題，可參考以下方法：
torch.cuda.amp以FP16精度計算，減少內存占用并加速計算。torch.cuda.empty_cache()釋放未被使用的緩存內存。torch.utils.checkpoint選擇性存儲中間激活值，減少內存占用。DistributedDataParallel）。PYTORCH_CUDA_ALLOC_CONF=expandable_segments:True，減少內存碎片。nvidia-smi監控GPU內存，結束非必要進程，確保程序高效運行。以上方法可組合使用，優先從調整訓練參數和優化模型入手，逐步解決內存不足問題。
