How to free CPU RAM after module.to(cuda_device)?
大家在使用pytorch的时候，可能会发现一个问题，就是呢，我们使用module.to(cuda_device) 语句后，模型转到了gpu，显存增长了但是同样内存也增长了，一般不管网络多大，最少涨2G。我在lenet测试了，在maskrcnn-benchmark项目均测试过，效果都是这样子。
这里经过理解pytorch的原理发现，事实就是这样的，对，pytorch运行只要是使用cuda都会申请很大块的内存，并不会释放，我的猜测是因为pytorch是动态图网络，它的内部机制导致pytorch需要很多内存。但是由于pytorch自己内部管理机制，它又是很省内存和显存的，假设你需要跑两个模型，1个单独测试CPU损耗1.6G，GPU损耗500M，另一个单独测试CPU损耗2.0G，GPU损耗600M，你把这两个模型合在一个份代码，一起跑，你会发现惊奇的一幕，内存并不是按照1.6G+2.0G=3.6G的算法，而是可能只有2.0G，显存是1.1G。
Tips，在TX2上跑pytorch请不要拿PC上的资源占用去衡量，在TX系列内存和显存公用，合在一起跑，内存（显存）占用要比PC上内存+显存少很多。