问题如下：
1、利用pytorch复现googlenet网络
2、定义训练过程函数中
def train(epoch):
running_loss = 0 # 损失值归零
for batch_idx, data in enumerate(train_loader, start=0):
images, labels = data #将输入x和相应的标签y从数据中拿出来
# 将输入和目标y都放到GPU上面
images, labels = images.to(device), labels.to(device)
...
labels.to(device)报错“AttributeError: 'tuple' object has no attribute 'to'”，发现是因为Python中的元组类（tuple）没有调用to的方法。
3、解决
（1）执行labels = torch.tensor(labels).to(device)试图将tuple转为tensor，但是报错："ValueError: too many dimensions 'str'"；
（2）这是因为“张量表示由数值组成的多维数组”，故字符串str无法直接转为tensor
4、将tuple字符串元素数值化
（1）方法一：调用sklearn的preprocessing（成功运行）
from sklearn import preprocessing
le = preprocessing.LabelEncoder() #获取一个LabelEncoder
labels = le.fit_transform(labels) #训练LabelEncoder
labels = torch.as_tensor(labels)
成功运行
（2）方法二：直接将tuple元素强转为int型（运行报错）
images, labels = data #将输入x和相应的标签y从数据中拿出来
print(labels)
输出：('177', '166', '100', '136')
由于labels实际上是数字，所以思考能否直接将元素转为int型？
labels = [int(i) for i in labels]
labels = torch.as_tensor(labels)
经过此操作成功将labels转为了tensor，但是运行之后报错：
RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED when calling `cublasCreate(handle)`
Q：请问方法二为什么会报错呢？
