device = 'cuda' if torch.cuda.is_available() else 'cpu' model = Model().to(device) 报错CUDA out of memory. Tried to allocate 4.93 GiB (GPU 0; 6.00 GiB total capacity; 1.48 GiB already allocated; 3.16 GiB free; 1.49 GiB reserved in total by PyTorch) If reserved memory is >> allocated memory try setting max_split_size_mb to avoid fragmentation. See documentation for Memory Management and PYTORCH_CUDA_ALLOC_CONF 如何解决，生成相关代码

你可以尝试调整 PyTorch 的内存管理参数 max_split_size_mb 来避免内存碎片化，具体的代码实现如下：

import torch

# 设置 PyTorch 内存管理参数
torch.backends.cuda.max_split_size = 256000000
torch.backends.cuda.cache_allocated = True

# 检查是否有可用的 GPU
if torch.cuda.is_available():
    device = torch.device('cuda')
else:
    device = torch.device('cpu')

# 把模型移动到 GPU 上
model = Model().to(device)

这里我将 max_split_size_mb 设置为 256000000，你可以根据需要进行调整。同时，我设置了 cache_allocated 参数为 True，这个参数可以在 GPU 内存不足时释放已经分配的内存，从而避免 out of memory 的错误。

希望这个代码片段能够帮助你解决问题。