参考资料：https://zhuanlan.zhihu.com/p/73711222
    设置 torch.backends.cudnn.benchmark=True 将会让程序在开始时花费一点额外时间，为整个网络的每个卷积层搜索最适合它的卷积实现算法，进而实现网络的加速。适用场景是网络结构固定，网络的输入形状（包括 batch size，图片大小，输入的通道）固定，其实也就是一般情况下都比较适用。
    要点：

    • cudnn中有多种卷积算法的实现
    • 不同实现对不同的网络结构和输入来说效率不同
    • 将torch.backends.cudnn.benchmark设置为True，可以对模型中的卷积层进行预先优化，在模型启动时只要额外花一点点时间
    • 一般将设置语句加在程序的开头
    • 如果卷积网络结构不是动态变化的，网络的输入 (batch size，图像的大小，输入的通道) 是固定的，尽管放心使用 torch.backends.cudnn.benchmark=True