RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the

最新推荐文章于 2024-05-31 16:10:34 发布

原创最新推荐文章于 2024-05-31 16:10:34 发布 · 1.1k 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

本文为博主原创文章，未经博主允许不得转载

标签

#pytorch #深度学习

深度学习专栏收录该内容

23 篇文章

订阅专栏

在尝试用PyTorch进行模型验证时遇到输入与网络参数类型不匹配的问题，错误指出一个是CPU类型，另一个是GPU类型。解决方法包括将输入数据转移到GPU设备上，使用`torch.device('cuda:0')`或`.cuda()`方法。然而，这些常规方法在这篇博客的特定情况下未解决问题。最终，博主发现需要在加载模型时指定`map_location=torch.device('cpu')`来将GPU中的模型映射到CPU，从而使问题得到解决。

今天用pytorch跑完一个分类模型，准备用几张图片验证一下模型时，报错了：
在这里插入图片描述
说输入类型和网络参数类型不匹配，一个是CUP类型，一个是GPU类型，上网搜解决方法如下：

既然网络参数是GPU类型，那解决方法就是将输入类型转变为GPU类型，需要使用到cuda，没有cuda就解决不了。实现方法有两种：

 1. device = torch.device('cuda:0')
	inputs = inputs.to(device)
 2. inputs = inputs.cuda()

#具体代码：
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
print(torch.cuda.is_available())

inputs = inputs.to(device)        	# 方法一：将input这个tensor转换成了CUDA 类型
inputs = inputs.cuda()				# 方法二：将input这个tensor转换成了CUDA 类型

但是，以上方法并不起作用，具体问题可以先找到报错文件：
在这里插入图片描述
进入此文件

找到加载模型这块，由于我这个模型是在GPU上训练的，在加载时，就需要指定参数map_location=torch.device(“cup”)【torch后面的.device要根据自己定义的GPU对象，我的是device】，将GUP中的模型映射到CUP中，再次运行，问题解决！在这里插入图片描述