解決CentOS上PyTorch內存不足可從優化代碼、調整系統配置和升級硬件等方面入手，具體方法如下：
優化代碼
batch_size參數，減少單次內存占用。torch.cuda.amp.autocast()和GradScaler，以FP16替代FP32，降低內存消耗。del刪除不再需要的變量，調用torch.cuda.empty_cache()清理GPU緩存。DataLoader中設置num_workers并行加載數據，減少內存占用。調整系統配置
dd命令創建交換文件，緩解物理內存不足。nvidia-smi、top等工具定位內存占用高的進程。升級硬件
DistributedDataParallel將任務分配到多設備，分攤內存壓力。
