RuntimeError：输入类型（torch.FloatTensor）和权重类型（torch.cuda.FloatTensor）应该相同

Question

这个：

 device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)

for data in dataloader:
    inputs, labels = data
    outputs = model(inputs)

给出错误：

RuntimeError：输入类型（torch.FloatTensor）和权重类型（torch.cuda.FloatTensor）应该相同

原文由 Guillermina 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

你得到这个错误是因为你的模型在 GPU 上，但你的数据在 CPU 上。因此，您需要将输入张量发送到 GPU。

 inputs, labels = data                         # this is what you had
inputs, labels = inputs.cuda(), labels.cuda() # add this line

或者像这样，与您的其余代码保持一致：

 device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

inputs, labels = inputs.to(device), labels.to(device)

如果您的输入张量在 GPU 上但您的模型权重不在，则会引发 相同的错误。在这种情况下，您需要将模型权重发送到 GPU。

 model = MyModel()

if torch.cuda.is_available():
    model.cuda()

请参阅 cuda() 及其相反的文档 cpu() 。

原文由 Nicolas Gervais 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

新的 API 是使用 .to() 方法。

优势很明显，也很重要。您的设备明天可能不是“cuda”：

• 中央处理器
• 库达
• 马克林
• opengl
• 打开CL
• 深渊
• 时髦的
• msnpu
• xla

所以尽量避免 model.cuda() 检查设备没有错

dev = torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu")

或者对其进行硬编码：

 dev=torch.device("cuda")

如同：

 dev="cuda"

一般来说，您可以使用此代码：

 model.to(dev)
data = data.to(dev)

原文由 prosti 发布，翻译遵循 CC BY-SA 4.0 许可协议