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

        导致这个错误的原因是因为输入数据的类型（torch.cuda.FloatTensor）和模型权重的类型（torch.FloatTensor）不一致，由于模型参数没有被正确地移到GPU上。但是在main函数中我已经将对象model.cuda()了，但还是报错说我模型参数没有在GPU上。

解决办法：

原本代码中我将卷积Conv1d函数写在了forward前向传播中了

class bottleneck(nn.Module): 

    def __init__(self, input_channels, hidden_channel1, hidden_channel2):
        super(bottleneck, self).__init__()
        ...   
    def forward(self, x):
        ...
        x_shortcut1 = weight_norm(nn.Conv1d(self.input_channels, self.hidden_channel2, 1, 2, 0, bias=True)(x))
        ...
     return x

将上面代码改为：

​
class bottleneck(nn.Module): 

    def __init__(self, input_channels, hidden_channel1, hidden_channel2):
        super(bottleneck, self).__init__()
        ...   
        self.shortcut_conv = weight_norm(nn.Conv1d(self.input_channels, self.hidden_channel2, 1, 2, 0, bias=True)(x))
         
    def forward(self, x):
        ...
        x_shortcut1 = self.shortcut_conv(x)
        ...
     return x

​

将卷积定义在init函数中即可，forward函数最好不要直接进行带有权重类型的运算