神经网络cpu与gpu数据迁移

一 . gpu转至cpu处理

问题描述

RuntimeError: expected device cpu but got device cuda:0

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

期待cpu 型数据，但传入了 cuda类型数据

出错代码

def sleep(self,x):
   
   self.conv = nn.Conv2d(in_channels=output, out_channels=input, kernel_size=4, stride=2, padding=1)

   self.bn = nn.BatchNorm1d(out_channels)

   self.relu = nn.PReLU()
 
   c1 = self.conv(x)   # 报错位置
       
   c1 = self.bn(c1)
        
   c1 = self.relu(c1)

return c1

解决办法

c1 = self.conv(x.cpu())   # 更改为 名称.cpu()

同理，类似的有 

x.numpy()  更改为  x.cpu().numpy() 

查看变量运行是否在gpu或cpu的命令：    print(x.device)

---

二. cpu转至gpu处理

问题描述

RuntimeError: Expected object of device type cuda but got device type cpu for argument #2 'mat1' in call to _th_addmm

传入了cpu 类型的数据，但目标对象需要gpu环境处理

出错代码

class net(nn.Module):
   
  def forward(self,y1,y2):

     y1 = sleep(x)   # 报错位置
     y2 = sleep(x)   # 报错位置

     if training: 
        return y1
     else:
        return y2

解决办法

class net(nn.Module):
   
  def forward(self,y1,y2):

     y1 = sleep(x.cuda)   # 更改为 名称.cuda()
     y2 = sleep(x.cuda)   

同理，类似的有 

 input = Variable(cuda())   更改为   input = Variable(x.cuda())