解决 CUBLAS_STATUS_NOT_INITIALIZED（CUDA/cuBLAS 初始化失败）

这个错误信息表明你的系统遇到了 **内存不足** 和 **CUDA/cuBLAS 初始化失败** 的问题。以下是详细的解决方案：

---

### **1. 解决 "页面文件太小，无法完成操作"（内存不足）**
错误 `OSError: [WinError 1455] 页面文件太小，无法完成操作` 表明 Windows 虚拟内存（分页文件）不足，无法加载 CUDA 相关库（如 `cudnn_adv_infer64_8.dll`）。

#### **解决方法：**
- **增加 Windows 虚拟内存（分页文件）**
  1. 右键 **"此电脑"** → **"属性"** → **"高级系统设置"**。
  2. 在 **"高级"** 选项卡 → **"性能"** → **"设置"** → **"高级"** → **"虚拟内存"** → **"更改"**。
  3. 取消勾选 **"自动管理分页文件大小"**。
  4. 选择系统盘（通常是 C 盘），勾选 **"自定义大小"**，并设置：
     - **初始大小**：建议设为物理内存的 **1.5 倍**（如 16GB 内存可设为 24576 MB）。
     - **最大值**：建议设为物理内存的 **3 倍**（如 16GB 内存可设为 49152 MB）。
  5. 点击 **"设置"** → **"确定"**，重启电脑生效。

- **关闭不必要的程序**
  - 训练时关闭浏览器、大型软件等占用内存的程序。

- **降低 `batch_size`**
  - 在 `train.py` 或数据配置文件中减少 `batch_size`（如从 16 降到 8 或 4）。

---

### **2. 解决 `CUBLAS_STATUS_NOT_INITIALIZED`（CUDA/cuBLAS 初始化失败）**
错误 `RuntimeError: CUDA error: CUBLAS_STATUS_NOT_INITIALIZED` 通常由 CUDA 环境问题或 GPU 资源冲突导致。

#### **解决方法：**
- **验证 CUDA 和 PyTorch 兼容性**
  - 运行以下代码检查环境：
    ```python
    import torch
    print(torch.__version__)          # PyTorch 版本
    print(torch.version.cuda)         # 对应的 CUDA 版本
    print(torch.cuda.is_available())  # 是否可用 CUDA
    ```
  - 确保 `torch.version.cuda` 与系统安装的 CUDA 版本一致（通过 `nvcc --version` 查看）。

- **重新安装 PyTorch（匹配 CUDA 版本）**
  ```bash
  pip uninstall torch torchvision torchaudio
  pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117  # 根据 CUDA 版本调整
  ```

- **释放 GPU 资源**
  - 检查是否有其他进程占用 GPU：
    ```bash
    nvidia-smi  # 结束无关进程（kill -9 PID）
    ```
  - 或在代码开头强制释放缓存：
    ```python
    import torch
    torch.cuda.empty_cache()
    ```

- **禁用多进程数据加载（Windows 特有问题）**
  - 在 `train.py` 中设置 `workers=0`：
    ```python
    parser.add_argument('--workers', type=int, default=0)  # Windows 建议设为 0
    ```

- **更新 GPU 驱动**
  - 前往 [NVIDIA 官网](https://www.nvidia.com/Download/index.aspx) 下载最新驱动。

---

### **3. 其他可能的问题**
- **检查 CUDA 环境变量**
  - 确保 `PATH` 包含 CUDA 的 `bin` 和 `libnvvp` 路径（如 `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin`）。

- **尝试禁用 CUDA 异步执行**
  ```python
  import os
  os.environ['CUDA_LAUNCH_BLOCKING'] = '1'  # 调试时使用，会降低速度但更易定位错误
  ```

---

### **总结步骤**
1. **增加虚拟内存** → 解决内存不足问题。
2. **检查 PyTorch 和 CUDA 版本** → 确保兼容。
3. **减少 `batch_size` 和 `workers`** → 降低资源占用。
4. **更新驱动/重启/释放 GPU** → 解决初始化冲突。

如果问题仍未解决，请提供：
- 你的 GPU 型号、PyTorch 版本、CUDA 版本。
- 错误是否在训练开始时就出现，还是运行一段时间后出现。