一、引言 GPU顯存溢出（Out-of-Memory, OOM）是深度學習訓練中的常見瓶頸，尤其在處理大型模型（如Transformer、ResNet）或大尺寸輸入時更為突出。當顯存無法容納模型參數、梯度、優化器狀態和中間激活值時，訓練進程會崩潰。本文系統講解GPU顯存溢出的根本成因與工程級優化方案，涵蓋從算法改進到硬件調優的全棧策略，並提供可直接運行的代碼示例。
