训练好神经网络模型后，我需要获取其中间层特征，但在通过复写模型的方法抽取特征的时候，vscode多次崩溃，并提醒我buy a new RAM！
后来经排查发现，我只进行了 model.eval()操作，而没有在抽取中间层的时候加上 with torch.no_grad()。
model.eval()仅作用于dropout层和batchnorm层，让其与训练状态不同，相当于dropout的参数为0，batchnorm也不再更新和计算mean和var值，而是使用训练阶段学习到的mean和var。
而 with torch.no_grad()的作用是停止对梯度的计算和存储，从而减少对内存的消耗。
因此，在电脑硬件资源有限的情况下，model.eval()和with torch.no_grad()缺一不可！
参考：
(2条消息) pytorch中model eval和torch no grad()的区别_江前云后的博客-CSDN博客_torch.nograd