在更新的版本里，builder模块已经被迁移到了google.protobuf包内，不再位于google.protobuf.internal路径下。如果这个调用来自_pb2.py文件，你的生成代码已经过时，必须使用protoc >= 3.19.0重新生成。问题是由于使用了过高版本的protobuf库所导致的。在protobuf的更新版本中，为了提升性能，对Descriptor对象的生成机制进行了调

递归三部曲核心代码模式result = [] # 记录结果if not root: # 如果当前访问的节点为空，则开始迭代返回return [] # 这里一定是要返回一个空列表，如果什么都不返回，则会在列表拼接时出错# 前序遍历：中，左，右result.append(root.val) # 将中间节点存入到列表中# 这里不要忘记调用函数前要加self.result += self.preorder

【注】cuda是向下兼容的，因此可以选择 >= 项目要求版本的cuda。翻译一下【1】：RTX 3090的算力是8.6，但是当前的PyTorch依赖的CUDA版本支持的算力只有3.7、5.0、6.0、7.0、7.5。而根据对应的算力关系，算力为8.x的显卡使用的cuda版本应该 >= 11.0。因此需要重新安装cuda和对应cuda可用版本的pytorch。由于cuda版本是直接对应电脑显卡的，因

GPU内存不足也可能导致内核执行超时。当GPU内存被占满时，新的内存分配请求可能会等待直到有内存被释放，如果等待时间过长，就可能出现超时错误。CUDA内核错误可能会在其他某个API调用时异步报告，因此下面的堆栈跟踪可能是不正确的。：如果有多个进程或任务同时尝试使用GPU资源，可能会导致某些任务因等待资源而超时。：CUDA内核代码中可能存在逻辑错误或死锁，导致内核无法在规定时间内完成执行。：在极少数

在TensorBoard使用结束，想要继续进行模型的训练、评估时，出现上面的问题。