yolo加模块报错RuntimeError: Input type and weight type should be the same

于 2025-03-06 15:05:34 发布
阅读量456 收藏 10
点赞数 7
CC 4.0 BY-SA版权
文章标签： 深度学习 人工智能 YOLO
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/boring_fish/article/details/146070898

当yolo增加一些模块的时候训练完第一轮进行验证的时候就报错

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

主要是混合精度的问题

解决方案：

1、把amp=False

2、到ultralytics/engine/validator.py文件里面 crtl+f搜索half

将

self.args.half = self.device.type != 'cpu'  # force FP16 val during training

注释掉,然后增加一个

self.args.half =False
然后重新训练就ok了，如果跑其他的再改回去
报错处理：RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should...
cnjs1994的博客
04-11 4203
这篇博客解决的是pytorch训练图像分类模型中常常遇到的一个常见问题：就是模型在GPU,但是数据加载到了CPU
YOLOv10模型应用过程中的报错处理及疑问解答，涉及环境搭建、模型训练、模块改进、论文写作
Limiiiing的博客
11-07 515
本文记录了YOLOv10模型的这一系列过程中可能发生的问题，以及大家非常关心的问题，这里统一做了一个记录和解答。
RuntimeError_ Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor)
热门推荐
一起加油~
07-06 2万+
RuntimeError:输入类型()和权重类型()应该相同，或者输入应该是一个MKLDNN张量，而权重是一个密集张量。
RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor)
weixin_44012667的博客
07-26 546
【PyTorch】常见错误 错误：RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same 问题原因： 错误内容就在类型不匹配，根据报错内容可以看出Input type为_input type (torch.floattensor) and weight type (torch.cuda.floattensor) shou。
Pytorch出现RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor)
maohule的博客
07-18 1865
上面四行任选一，还有其他未列出的表述方法，都可以将模型加载到GPU。有时已经写了将模型和输入数据加载到GPU的语句，但还是报了这个错误。问题原因搞清楚了，模型没加载到CPU，在代码中加一行语句就可以了。这个函数功能是产生一个新的tensor，并不会改变原数据。问题来源是输入数据没有加载到GPU，解决方法为。是一个“in-place”方法，从报错问题描述中可以找到错误原因。
YOLOv8改进时遇到的报错及其解决
最新发布
xzgxg1103的博客
02-19 402
解决：通过--master_port参数来指定主节点使用的端口号 如：CUDA_VISIBLE_DEVICES=4,5 torchrun --nproc_per_node=2 --master_port 15666 train_test.py。torchvision.transforms.functional_tensor 替换成torchvision.transforms.functional 就能正常运行了。在服务器环境中，特别是当多个用户或任务同时运行时，可能已经被其他DDP训练任务占用。
YOLOv8模型应用过程中的报错处理及疑问解答，涉及环境搭建、模型训练、模块改进、论文写作
Limiiiing的博客
12-25 477
本文记录了YOLOv8模型的这一系列过程中可能发生的问题，以及大家非常关心的问题，这里统一做了一个记录和解答。
YOLOv9模型应用过程中的报错处理及疑问解答，涉及环境搭建、模型训练、模块改进、论文写作
Limiiiing的博客
11-07 249
本文记录了YOLOv9模型的这一系列过程中可能发生的问题，以及大家非常关心的问题，这里统一做了一个记录和解答。
RT-DETR模型应用过程中的报错处理及疑问解答，涉及环境搭建、模型训练、模块改进、论文写作
Limiiiing的博客
02-18 816
本文记录了RT-DETR模型的这一系列过程中可能发生的问题，以及大家非常关心的问题，这里统一做了一个记录和解答。
RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the
P13643822101的博客
08-13 1万+
RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the
【BUG解决】 RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor)
Gorgeous_wxd
12-13 4755
问题描述 RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same 解决方法 对net或者新添加的模块进行转换。 解决方法1 device = torch.device('cuda:0') net= net.to(device) 解决方法2 net = net.cuda() ...
【BUG解决】RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor)
Gorgeous_wxd
12-13 2520
问题描述 RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same 解决方法 方法1 device = torch.device('cuda:0') inputs = inputs.to(device) 方法2 inputs = inputs.cuda()
pytorch参数转不到cuda，RuntimeError: Input type (torch.cuda.FloatTensor) and weight type（torch.FloatTensor
裂缘冰释
10-31 570
pytorch模型参数（卷积）转不到cuda 错误提示：RuntimeError: Input type (torch.cuda.FloatTensor) and weight type（torch.FloatTensor）
runtimeerror: input type (torch.cuda.floattensor) and weight type (torch.floattensor) should be the
weixin_48867081的博客
07-07 929
在 # Load model device = select_device(device) model = DetectMultiBackend(weights, device=device, dnn=dnn, data=data, fp16=half) model.cuda()#使用gpu，用这个将模型数据导入，如用cpu跑把这段注释即可 stride, names, pt = model.stride, model.names, model.pt 说明：加入model.cuda() 或者model =
RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the
yzhua_777的博客
05-27 3365
RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same or input should be a MKLDNN tensor and weight is a dense tensor 报错 报错环境 在使用pytorch训练好的模型，进行测试时，报错 部分代码为 model = torch.load("../save_model/mynn_30.pth")
yolo报错RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu!
01-07
### YOLO 模型训练或推理时遇到的设备不一致错误解决方案 当在YOLO模型中执行训练或推理操作时，如果遇到了`RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu!`这样的错误提示，这通常意味着某些张量被分配到了不同的计算设备上（例如GPU和CPU），而这些张量之间发生了交互操作。 为了确保所有的张量都在同一个设备上运行，可以采取以下措施： #### 方法一：统一指定默认设备 通过设置全局变量来控制所有新创建的对象应该放置在哪种类型的硬件资源之上。可以通过如下方式实现： ```python device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu') model = model.to(device) ``` 这段代码会检查是否有可用的CUDA GPU；如果有，则将模型迁移到该GPU上工作，否则就继续留在CPU环境中[^5]。 #### 方法二：显式转换特定对象到目标设备 对于那些已经存在的张量或者其他PyTorch组件，在它们参与任何运算之前先将其移动至预期的工作环境之中。比如下面的例子展示了如何处理锚点坐标数据： ```python anchor_points = self.anchor_points(samples).repeat(batch_size, 1, 1) # decode the points as prediction output_coord = regression + anchor_points.to(regression.device) ``` 这里特别注意的是`.to()`函数的应用，它能够帮助我们将一个tensor转移到另一个已知位置上去。 #### 方法三：调试并定位问题源 有时候可能并不是很清楚具体哪些部分出现了跨设备的操作。此时建议开启详细的日志记录功能或是利用断点工具逐步排查程序逻辑中的每一个环节直到找到确切的原因所在。另外也可以尝试打印出各个重要节点处的数据属性信息以便更好地理解当前状态下的内存布局情况。 以上就是针对此类异常现象的一些常见应对策略，希望能够帮到正在为此困扰的朋友！
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

yw408

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值