错误记录：Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same

最新推荐文章于 2025-01-09 21:26:02 发布

gimme5

最新推荐文章于 2025-01-09 21:26:02 发布

阅读量1.2k

点赞数 6

CC 4.0 BY-SA版权

文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/gimme5/article/details/142366201

在学习分割网络的时候用自己搭建的UNet进行训练时出现如下报错：

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

一般来说这个报错说明输入和模型参数并不都在GPU里，一般来说就是要么是模型初始化有问题，要么是训练时输入的数据有问题，检查相关处的代码：

model = UNet(3, 1)
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model = model.to(device)

def train_one_epoch(model, train_dataloader, optimizer, loss_fn):
    model.train()
    train_loss = 0.0
    device = next(model.parameters()).device
    for X, y in train_dataloader:
        optimizer.zero_grad()
        X, y = X.to(device), y.to(device)
        y_hat = model(X)
        loss = loss_fn(y_hat.squeeze(), y.long())
        loss.backward()
        optimizer.step()
        train_loss += loss.item()
    return train_loss / len(train_dataloader)

可以看到理论上模型是成功的被初始化了，并且输入数据在输入之前也做了和模型设备同步的操作，接下来分别将两者所处设备打印出来看看：