把pytorch变量转移到cpu中释放gpu内存

我想要对一个大批量的数据分批输入模型得到所有的embedding，但是过程进行到中间报 cuda out of memory。经查勘是因为早些的embedding没有及时从cuda中释放内存导致后面的model无法进行forward。

只需要pytorch的tensor.cpu()就可以释放了。
举个例子：

embeddings=[]
for batch in data_loader:
	embedding_batch=model(input_data)
	embeddings.append(embedding_batch.cpu()) # 不带cpu不能释放cuda内存，导致oom

若不加cpu()，会进行20多batch后cuda out of memory。

其实接触torch tensor已经四年有余，往往对其cpu()是因为torch与numpy数据不符合，往往和numpy()一起连用，本以为是对原tensor返回一个cpu device上的tensor，不改变原变量，没想到cpu()竟然是对原变量直接坐内存的变化，出乎意料。