RunTimeError踩坑记录

最新推荐文章于 2025-09-04 10:12:08 发布
原创 最新推荐文章于 2025-09-04 10:12:08 发布 · 708 阅读 · 0 ·
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：

#pytorch #人工智能 #python

本文介绍了解决在没有CUDA支持的环境下加载CUDA模型时出现的RuntimeError的方法。通过修改torch的serialization.py文件，将默认加载位置设置为CPU，从而避免错误发生。
部署运行你感兴趣的模型镜像

1、RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.

解决方案：

在./site-package/torch/serialization.py中

def load(f, map_location='cpu', pickle_module=pickle, **pickle_load_args):

替代

def load(f, map_location=None, pickle_module=pickle, **pickle_load_args):

这样就只能CPU训练了。

您可能感兴趣的与本文相关的镜像

PyTorch 2.5

PyTorch 2.5

PyTorch
Cuda

PyTorch 是一个开源的 Python 机器学习库，基于 Torch 库，底层由 C++ 实现，应用于人工智能领域，如计算机视觉和自然语言处理

RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is Fal
qq_44936246的博客
08-16 1万+
RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.
pytorch出错: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False
热门推荐
六五酥的博客
05-10 3万+
错误一：RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device(‘cpu’) to map your storages to the CPU. 解决方法：在torch.l
RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() i
入门记
09-23 1万+
意思：运行时错误：正在尝试反序列化CUDA设备上的对象，但torch.CUDA.is_available（）为False。如果您在只有CPU的机器上运行，请使用torch.load和map_location='pu'将您的存储映射到CPU。：torc.CUDA.is_available（）为False。pip list 查看torch版本，查看匹配的显卡驱动，显示正常。卸载torch，重新安装了包含cuda包的torch版本。软件：torch，显卡驱动，CUDA。查看CUDA版本，没有CUDA。
Kalibr进行相机-IMU联合标定踩坑记录RuntimeError: Optimization failed!
hyper的博客
04-11 4899
1.具体标定步骤，跟网上别的一模一样，此处就不列举 2.记录踩坑过程：RuntimeError: Optimization failed! 当执行到开始联合标定时，也就是如下指令： kalibr_calibrate_imu_camera --target ./checkerboard_11x8_25x25cm.yaml --cam ./camchain-.camd435i.yaml --imu ./imu_self.yaml --bag ./imu_435i_move.bag --bag-from-to 1
AI模型压缩神器：ONNX Runtime在移动端部署的实战踩坑记录
layneyao的博客
05-27 2064
AI模型压缩神器：ONNX Runtime在移动端部署的实战踩坑记录
【踩坑日记16】RuntimeError: Error(s) in loading state_dict for GPTHydraHeadWithValueModel
longii11的博客
04-15 545
期间未对代码进行修改，只是将。
flashocc环境安装踩坑记录，RTX4060
最新发布
yuweififi的专栏
09-04 886
1、按指导文档安装环境，出现如下报错：需要升级pytorch2、按网上解决办法升级环境：(1) 卸载安装的torch,重新安装（2）升级后 mmcv-full==1.5.3,mmdet==2.25.1,mmsegmentation==0.25.0 版本不匹配，卸载pip uninstall -y mmcv-full mmdet mmdet3d mmsegmentation这个安装会报错运行报错，错误如下。
Lerobot项目部署踩坑记录
m0_61133217的博客
04-28 1604
新版本lerobot，地配置文件需要再lerobot/common/robot_devices/robots/config.py中，有各种机械臂配置文件。贴一下自己的双so100机械臂配置文件。
pytorch RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available
xingleitinghai的博客
07-08 3584
报错： RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device(‘cpu’) to map your storages to the CPU分析原因： 1、在加载mode
Please use torch.load with map_location=torch.device(‘cpu‘），If you are running on a CPU-only machine
qq_45027465的博客
02-06 7400
在CPU中运行GPU程序，出现以下问题 If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU. 问题 RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available()
Error：Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False.
wenqi
09-26 6502
错误原因：python中安装的pytorch对应的CUDA版本和服务器上的显卡驱动对应的CUDA版本不兼容，显卡驱动对应的CUDA版本应当>=pytorch对应的CUDA版本。（这里显卡驱动对应的CUDA版本为10.1，而安装的pytorch版本为1.7.1+cu110）显卡驱动对应的CUDA版本获取：执行命令nvidia-smi，右上角CUDA Version对应的就是显卡驱动对应的CUDA版本。中安装合适的pytorch版本，或者升级显卡驱动。今天再跑目标检测时报的错，应该又是版本的问题。
解决RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is F
优快云hdlg的博客
09-05 1675
这个错误通常是由于在 CPU 机器上尝试加载在 GPU 上保存的 PyTorch 模型导致的。为了解决这个问题,你需修改你的代码如下:要在加载模型时指定。参数,将模型映射到 CPU 设备上。
pytroch运行报错
a18379692263的博客
10-15 1425
介绍：pytroch运行报错 一、RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.
Jupyter Notebook常见错误（一）
云隐雾匿的博客
03-19 7778
一、错误类型： RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location='cpu' to map your storages to the CPU. 谷歌翻译结果： 超时错误：尝试反序
raise RuntimeError
04-17
<think>嗯，用户现在问的是如何在Python中使用raise语句抛出RuntimeError异常，并且需要示例。之前用户提到过关于py2exe打包时出现的RuntimeError，还有CUDA相关的错误，比如invalid device ordinal或者No CUDA GPUs available。这些都属于RuntimeError的不同情况，但用户现在想知道如何主动抛出RuntimeError，而不仅仅是处理它们。 首先，我需要回顾一下RuntimeError的定义。RuntimeError通常是在程序运行时检测到的错误，不属于更具体的异常类别。用户可能希望在自己的代码中主动引发这类错误，比如参数检查、状态验证等场景。 用户之前的问题涉及到了WinError和OSError的处理，现在转向RuntimeError，可能需要强调两者的区别。比如，RuntimeError是更通用的运行时错误，而OSError更多与系统操作相关。此外，用户提供的引用中提到了CUDA相关的错误，这些其实也是RuntimeError的子类，但用户现在的问题是如何手动抛出，而不是处理这些特定的子类。 接下来，我应该按照用户提供的示例结构来组织回答。用户喜欢分步骤说明，比如基本用法、自定义错误信息、捕获异常、结合条件判断等。同时，用户希望有代码示例，并且用中文解释清楚。 需要注意，用户可能对异常处理的基础有一定了解，但需要明确如何正确使用raise语句。可能需要提到RuntimeError的构造方法，如何传递错误信息，以及如何在实际应用中选择合适的场景抛出该异常。 另外，用户之前的回答中提到了跨平台兼容性，所以在抛出RuntimeError时，是否需要考虑不同环境下的表现？比如，是否在某些情况下应该抛出更具体的异常而不是RuntimeError？不过，用户的问题很明确，就是如何抛出RuntimeError，所以这部分可能不需要深入，但可以稍微提到选择异常类型的最佳实践。 最后，用户可能需要相关问题，比如如何自定义异常类，或者如何处理多个异常类型。需要确保问题与当前主题相关，帮助用户进一步学习。</think>--- ### **Python中手动抛出RuntimeError的方法与示例** `RuntimeError`是Python内置异常类，用于表示**无法归类到其他具体异常类型的运行时错误**。以下从基础到进阶的用法说明： --- ### **1. 基础用法：直接抛出RuntimeError** ```python # 直接触发RuntimeError并自定义错误信息 raise RuntimeError("数据加载失败，请检查网络连接") # 示例输出： # RuntimeError: 数据加载失败，请检查网络连接 ``` --- ### **2. 结合条件判断抛出异常** ```python def validate_input(value): if not isinstance(value, int): # 参数类型错误时触发 raise RuntimeError(f"输入值必须为整数，当前类型：{type(value)}") return value * 2 try: validate_input("abc") # 传入字符串会触发异常 except RuntimeError as e: print(f"捕获到错误: {e}") # 输出: 捕获到错误: 输入值必须为整数，当前类型：<class 'str'> ``` --- ### **3. 传递详细上下文信息** ```python def process_data(data): if len(data) == 0: # 附加错误详情（如文件名、关键变量值） error_msg = "数据为空，无法处理（文件：data.csv）" raise RuntimeError(error_msg) return sum(data) try: process_data([]) except RuntimeError as e: print(f"错误原因: {e}") # 输出: 错误原因: 数据为空，无法处理（文件：data.csv） ``` --- ### **4. 捕获并重新抛出RuntimeError** ```python def read_config(file_path): try: with open(file_path, 'r') as f: return f.read() except FileNotFoundError: # 将具体异常转换为RuntimeError raise RuntimeError(f"配置文件丢失: {file_path}") try: read_config("missing_config.yaml") except RuntimeError as e: print(f"配置错误: {e}") # 输出: 配置错误: 配置文件丢失: missing_config.yaml ``` --- ### **5. 最佳实践与注意事项** 1. **明确错误场景** `RuntimeError`适用于**无法预见的运行时逻辑问题**，例如： - 第三方服务突然不可用 - 程序状态与预期严重不符 - 无法归类到`ValueError`/`TypeError`的参数问题 2. **避免滥用** 优先使用更具体的异常类型（如`ValueError`校验参数值错误），仅在无法明确分类时使用`RuntimeError`[^1]。 3. **错误信息规范化** 在异常消息中包含关键信息（如变量值、文件路径），便于调试： ```python raise RuntimeError(f"GPU设备{cuda_id}不存在，可用设备数：{torch.cuda.device_count()}") ``` --- ### **6. 与用户历史问题的关联** - **CUDA相关错误**：如`RuntimeError: CUDA error: invalid device ordinal`[^2]，属于PyTorch封装的CUDA异常，底层仍继承自`RuntimeError`。 - **资源限制错误**：例如GPU内存不足导致的`RuntimeError: CUDA error: too many resources requested`[^4]，可通过异常消息定位具体资源瓶颈。 ---
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
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