目标检测-YOLOv4训练报错问题（RuntimeError: indices should be either on cpu or on the same device as the indexe）

最新推荐文章于 2025-10-21 22:07:07 发布
原创 最新推荐文章于 2025-10-21 22:07:07 发布 · 643 阅读 · 8 ·
CC 4.0 BY-SA版权
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。
文章标签：

#目标检测 #YOLO #人工智能

文章讲述了在使用PyTorchYOLOv4时遇到的错误，涉及设备（CPUvsGPU）转换问题。作者发现新版本的torch不再自动转换数据类型，导致了RuntimeError。通过调整代码将数据类型从float转换为long，解决了这个问题，使训练得以继续。

首先定位到报错的位置

File "/home/zhangh/project1/pytorch-YOLOv4-master/PyTorch_YOLOv4-master/PyTorch_YOLOv4-master/utils/loss.py", line 148

通过

            print("------------------------------------------------------------------------")
            print(f"at device: {at.device}")
            print(f"j device: {j.device}")

            print(f"t device: {t.device}")

输出得知

at device居然在CPU上，然后用

最低0.47元/天 解锁文章
安装segment anything(SAM)库后运行报错RuntimeError: indices should be either on cpu or on the same device as
simple的博客
02-20 644
在这段代码中，batched_nms的其他三个参数均为torch.cuda.xxx类型，而torch.zeros(len(data[“boxes”]))产生的结果是cpu数据类型。因为segment anything在PyPI中的存档是2023年的版本，比较旧。旧版的代码中存在上述报错的可能。根据报错信息可知，某数组所属设备和索引所属设备不一致，例如cuda数组用了cpu上的索引。将创建一个和传入参数所在设备一致的新数组，而前者默认是创建cpu上的数组。修改报错位置的代码，将变量放到cuda上或cpu上。
yolov7报错 indices should be either on cpu or on the same device as the indexed tensor (cpu)解决
quyingzhe0217的博客
09-28 2502
yolov7 报错RuntimeError: indices should be either on cpu or on the same device as the indexed tensor (cpu) 解决
关于yolov5 v2.0本地运行出现 的一些问题的解决
最新发布
enlybbq的博客
10-21 943
这个错误是由于尝试将一个在CUDA设备上的张量直接转换为NumPy数组引起的。你需要首先将张量从CUDA设备移动到CPU，然后再进行转换。为了修复这个错误，你需要确保所有相关的张量都在同一个设备上。列表中的某个元素是张量，将其转换为 NumPy 数组。封装到一个列表中（如果它是单个 NumPy 数组），以便统一处理。解决方法就是将yaml文件中的注释都去掉，然后再运行就可以了。是否是一个张量，如果是，将其转换为 NumPy 数组。列表中的每个元素，并确保它们是 NumPy 数组。），但文件包含了非法的多。
【踩坑记录】Swin Transformer Object Detection运行时出现的问题
Lockon_Stratos的博客
03-08 1614
最近在学习transformer，遇上了一些问题并成功解决，于是写个文章留个记录。
yolov7 RuntimeError:indices should be either on cpu or on the same device as the indexed tensor(cpu)
weixin_43501408的博客
03-31 2004
问题描述：yolov7 RuntimeError:indices should be either on cpu or on the same device as the indexed tensor(cpu)之前安装torch时默认安装的最高版本，实际上最高版本与其他库不兼容。原因：torch的版本过高。错误的torch版本。正确的torch版本。
RuntimeError: indices should be either on cpu or on the same device as the indexed tensor (cpu)
qq_42015849的博客
05-07 583
(71条消息) yolov5过度到yolov7，细节详解_RobinTian.的博客-优快云博客
调试YOLOv3/YOLOv5过程中遇到的各种问题
weixin_45033788的博客
03-24 8862
码遇到的各种error 接上一篇YOLOv3-Pytorch版本自己学习及训练数据的记录！ 过程中遇到的各种问题（下了好多个版本项目...）.cfg文件版本中遇到的1. OSError: 页面文件太小，无法完成操作；BrokenPipeError； Error loading caffe2_detectron_ops_gpu.dll2. RuntimeError: CUDA out of memory.3. 至今还不会解决的：RuntimeError:Expected all tensors tobe o
问题解决之 TypeError: can‘t convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to
qq_39220334的博客
02-12 1万+
问题描述 运行程序，出现报错信息 TypeError: can't convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.。 具体信息如下所示： Traceback (most recent call last): File "tools/demo.py", line 97, in <module> visualize_result(gallery_img, det
YoloV7 RuntimeError: indices should be either on cpu or on the same device...
qq_41747040的博客
12-02 1240
yolov7
YOLO7报错：indices should be either on cpu or on the same device as the indexed tensor (cpu)
热门推荐
原来是肖哈哈的博客
12-07 1万+
当我们的数据有部分在GPU上运行，有部分在CPU上运行时会报这个错， 一般有GPU的话都会选择在GPU上面跑模型，但要注意将其他定义的对象也放在GPU上面，否则应该默认是在CPU上面。 如图所示， x是从GPU中传过来的，但idx不是，idx是我们自己生成的，它默认放在CPU中，所以我们需要也把它放到GPU中，解决方法：加 .to(DEVICE) 其中DEVICE已定义。具体解决办法： 在loss.py文件中增加下图中第一行，修改下面二三行 1.device = targets.device 2.
报错：RuntimeError: indices should be either on cpu or on the same device as the indexed tensor (cpu)
weixin_51670564的博客
08-31 1027
在深度学习中，通常数据和模型都存储在特定的设备上，例如CPU或GPU。操作张量时，确保张量和操作在同一设备上运行是很重要的。要解决这个问题，需要确保操作的张量位于相同的设备上。这通常可以通过将张量移动到正确的设备来实现。在PyTorch中，可以使用。
yolov7训练train_aux.py报错：RuntimeError: indices should be either on cpu or on the same device as the in
m0_67722776的博客
11-14 387
把loss.py文件中的1387行“matching_matrix=torch.zeros_like（cost）”更改为matching_matrix=torch.zeros_link（cost，device=“cpu”）把loss.py文件中的1541行"matching_matrix = torch.zeros_like(cost) 更改为。
使用mmrotate训练sasm模型遇到的BUG：RuntimeError: indices should be either on cpu or on the same device as the
m0_52805415的博客
03-27 291
在排除其他错误之后，根据错误提示定位到convex_assigner.py中, line 127。就解决了这个问题了。
swin trasformer出现RuntimeError: indices should be either on cpu or on the same device as the indexed
qq_62276983的博客
04-14 444
在 CPU 而其他张量在 GPU 导致的设备不一致问题，需。
yolov7 RuntimeError: indices should be either on cpu or on the same device as the indexed tensor (cpu)
06-21
### YOLOv7中解决RuntimeError: indices should be either on cpu or on the same device as the indexed tensor (cpu)的方案 在使用YOLOv7时，如果遇到`RuntimeError: indices should be either on cpu or on the same device as the indexed tensor (cpu)`错误，通常是因为索引张量与被索引张量所在的设备不一致。以下是一些具体的解决方案[^2]。 #### 修改`loss.py`文件 在`loss.py`文件中，需要确保所有涉及张量操作的部分都明确指定设备。具体修改如下： 1. **添加设备初始化代码** 在文件顶部导入包后，添加以下代码以初始化设备： ```python device = torch.device("cuda" if torch.cuda.is_available() else "cpu") ``` 2. **修改`from_which_layer`部分** 将以下代码： ```python from_which_layer.append(torch.ones(size=(len(b),)) * i) ``` 修改为： ```python from_which_layer.append((torch.ones(size=(len(b),)) * i).to(device)) ``` 3. **修改`matching_matrix`初始化部分** 将以下代码： ```python matching_matrix = torch.zeros_like(cost) ``` 修改为： ```python matching_matrix = torch.zeros_like(cost, device=device) ``` #### 修改`yolo_training.py`文件 在`yolo_training.py`文件中，大约第288行处，将以下代码： ```python from_which_layer.append((torch.ones(size=(len(b),)) * i) ``` 修改为： ```python from_which_layer.append((torch.ones(size=(len(b),)) * i).to('cuda')) ``` #### 调试设备一致性问题 为了进一步确认设备一致性问题，可以在代码中添加调试信息，打印出相关张量的设备信息[^4]： ```python print("------------------------------------------------------------------------") print(f"at device: {at.device}") print(f"j device: {j.device}") ``` 通过上述修改，可以确保所有张量操作都在同一设备上进行，从而避免设备不匹配的问题。 ```python # 示例代码片段 device = torch.device("cuda" if torch.cuda.is_available() else "cpu") # 修改 from_which_layer 部分 from_which_layer.append((torch.ones(size=(len(b),)) * i).to(device)) # 修改 matching_matrix 初始化部分 matching_matrix = torch.zeros_like(cost, device=device) # 调试设备一致性问题 print("------------------------------------------------------------------------") print(f"at device: {at.device}") print(f"j device: {j.device}") ``` ### 注意事项 - 确保所有涉及张量操作的部分都明确指定了设备。 - 如果模型运行在GPU上，请确保所有张量均被显式移动到GPU。 - 调试过程中，可以打印张量的设备信息以确认一致性。
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

张飞飞飞飞飞

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