为何Pylance判定torch.cuda.OutOfMemoryError不是有效错误类？

• 静态类型提示文件缺失：Pylance依靠PyTorch提供的类型存根（stub files）做静态代码检查，如果torch.cuda.OutOfMemoryError没有被正确包含在类型存根中，Pylance就会认为它不是有效的异常类，但运行时PyTorch实际会生成并抛出这个异常。

• 异常的动态生成特性：torch.cuda.OutOfMemoryError并非Python层面预定义的静态异常类，而是PyTorch在CUDA环境运行时，通过底层绑定动态创建的异常类型。静态分析工具无法识别这种运行时才存在的类型，因此会给出错误提示。

• 版本不匹配：如果你的PyTorch运行版本和Pylance使用的类型存根版本不一致，也可能出现这种情况。比如运行时的PyTorch已经新增了这个异常，但对应的类型存根还未更新，导致静态检查和实际运行行为脱节。

内容的提问来源于stack exchange，提问作者Pro Q