记录pytorch floattensor与cuda.floattensor的类型不一致的问题

最新推荐文章于 2025-03-13 22:19:46 发布

nlite827109223

最新推荐文章于 2025-03-13 22:19:46 发布

阅读量1.5k

点赞数

分类专栏： python pytorch 深度学习

本文链接：https://blog.youkuaiyun.com/nlite827109223/article/details/103338619

版权

python 同时被 3 个专栏收录

39 篇文章

订阅专栏

深度学习

22 篇文章

订阅专栏

pytorch

4 篇文章

订阅专栏

本文探讨了在使用GPU进行深度学习时遇到的数据类型不匹配和模型加载错误问题。主要原因是数据未正确转换至GPU设备或模型定义部分位于类外导致加载方式不当。文章提供了使用data.to(device)进行数据类型转换和确保所有模型定义在类内或统一调用model.to(device)的解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 一般报这个错，是因为使用gpu，但是数据类型为转换，使用data.to(device)即可，

device是device = torch.device("cuda:0" if cuda_used==1 and torch.cuda.is_available() else 'cpu')

2. 我这里是因为定义模型的时候，有部分模型定义在 def __init__(self)的外部，虽然使用了model.to(device)，但是这部分定义在外面的模型的类型仍然是cpu加载，所以在cpu下训练没有报错，gpu会报错，对所有的模型都定义在class下，或者使用model.to(device)

报错问题：

Expected object of type torch.FloatTensor but found type torch.cuda.FloatTensor for argument