Object-C是一门动态性比较强的编程语言，跟C、C++等语言有着很大的不同。

Object-C的动态性是由Runtime API来支撑的。

Runtime API提供的接口基本都是C语言的，源码由C、C++、汇编语言编写。

objc_msgSend执行流程： OC中的方法调用，其实都是转换为objc_msgSend函数的调用 objc_msgSend的执行流程可以分为3大阶段： 1.消息发送 2.动态方法解析 3.消息转发

在消息发送阶段就会找到相应方法进行调用，如果没有找到就会进入到动态方法解析阶段，如果这一阶段还没找到就会进入消息转发阶段。

无论batch-size设置多小也是会出现这个问题的，我的原因是我将pytorch升级到了1.0.1，然后出现了这个问题

RuntimeError: CUDA out of memory. Tried to allocate 823.88 MiB (GPU 0; 7.93 GiB total capacity; 6.96 GiB already allocated; 189.31 MiB free; 10.26 MiB cached)


你可以监控一下之GPU的使用情况 ，使用下面的命令

watch -n 0.1 nvidia-smi


在期间会出现GPU的使用率达到99%，估计是没有释放GPU内存吧。

解决方法

我出现问题的代码，在输入到网络里面 ，如下：

output = net(input,inputcoord)

将这个代码做如下修改，其中torch.no_grad()是禁用梯度计算的上下文管理器，一般是在validate或者test会使用，只需要计算网络的输出，而无需计算梯度了。

with torch.no_grad():
    output = net(input,inputcoord)

附带

在调试低版本的pytorch源程序的时候也会出现警告

 UserWarning: volatile was removed and now has no effect. Use `with torch.no_grad():` instead.

 也可以在前面添加下面的解决这个问题

with torch.no_grad():

 

参考

https://blog.csdn.net/xijuezhu8128/article/details/86594478

https://pytorch.org/docs/stable/generated/torch.no_grad.html?highlight=torch%20no_grad#torch.no_grad

跑pytorch的代码，遇到一个错误：

RuntimeError: cublas runtime error : resource allocation failed at /pytorch/aten/src/THC/THCGeneral.cpp:411.

官方在github的issue里回答过这个问题，基本上只要更新就能解决，或者加一句代码。链接。
然而我更新以后，错误换了个马甲：

RuntimeError: cublas runtime error : library not initialized at /opt/conda/conda-bld/pytorch_1549630534704/work/aten/src/THC/THCGeneral.cpp:250
花了好几个小时研究问题，无解。后来看到有人说pytorch在cuda上的stack trace做得不好，所以放在cpu下才能看到正确的报错。于是改到cpu跑，发现问题是数组下标越界……wtf
cuda版本的报错还是准的，一大片报错里反反复复都是：

/opt/conda/conda-bld/pytorch_1549630534704/work/aten/src/ATen/native/cuda/IndexKernel.cu:53: lambda [](int)->auto::operator()(int)->auto: block: [3151,0,0], thread: [31,0,0] Assertion index >= -sizes[i] && index < sizes[i] && "index out of bounds" failed.

然而最后几句定位到我自己写的代码就出现了位置偏差，找半天也找不到问题所在=_=

跑CPU版的object-detection的示例程序，导入tensorflow时出现：

Failed to load the native TensorFlow runtime.

解决办法就是：pip install --upgrade --ignore-installed tensorflow

更新到最新版本的tensorflow就好了