函数计算FC这个情况怎么解决呢？

这个问题是由于GPU内存不足导致的。你可以尝试以下方法来解决这个问题：

1. 减小批量大小（batch size）：将批量大小减小，可以减少每次迭代中需要处理的数据量，从而减少GPU内存的使用。

2. 使用梯度累积（gradient accumulation）：在训练过程中，可以将多个小批量的梯度累积起来，然后一次性更新模型参数。这样可以减少每次迭代中的内存需求。

3. 释放不再使用的变量：在训练过程中，确保及时释放不再使用的变量，以释放GPU内存。

4. 设置max_split_size_mb参数：这个参数可以设置PyTorch在分配GPU内存时的最大分割大小。通过增加这个值，可以避免内存碎片问题。你可以在创建torch.cuda.Stream对象时设置这个参数，例如：

import torch

stream = torch.cuda.Stream(device='cuda', max_split_size_mb=1024)

1. 如果可能的话，尝试使用具有更多显存的GPU。