【神经网络输入参数与网络权重参数数据类型】RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch....-优快云博客

本文讲述了在使用PyTorch进行特征提取时遇到的RuntimeError，原因在于输入数据（GPU类型）和网络权重（CPU类型）不匹配。提供了两种方法，一是将网络权重转换为GPU类型，二是直接在GPU设备上运行网络。

场景描述：

复现程序时想要拿出项目代码中数据处理(dataloader)得到的数据，然后在jupyter notebook上将该数据应用于特征提取网络。主要结构如下所示：
（1）拿到处理好的数据：

（2）定义特征提取网络：

（3）实例化特性提取网络以应用，但报错：

报错如下：

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

报错分析：

错误内容就在类型不匹配，根据报错内容可以看出Input type为torch.cuda.FloatTensor（GPU数据类型），而weight type（即网络权重参数这些）为torch.FloatTensor（CPU数据类型）。

解决方法：

统一输入数据与网络权重参数的数据类型：

既然输入数据是GPU类型，那解决方法就是将网络权重参数类型转变为GPU类型。

方法1：

device = torch.device('cuda:0')
G_shared= G_shared.to(device) # 将网络权重改为torch.cuda.FloatTensor（GPU数据类型）

方法2：

G_shared = G_shared.cuda()

即：