将Pytorch的GPU版改成CPU版

事情是这样的，我下载一个用 python 做表情识别的 demo，打算跑一下，但是配置好环境之后发现，demo 里应用的 Pytorch 是GPU 版的。我的显卡是支持 GPU 运算的，但是，我去 NVIDIA 官网下载 CUDA 包的时候发现下载不了，不能连接到 NVIDIA 的服务器（这是为啥呢，难道不开放下载吗？）于是就修改了程序，改成 CPU 版本。这个过程比我想象要简单许多。下面说一下过程：

 
 

   
   

    
    

   
   
   
   

    
    

     
     # 将torch.load()函数中加载的数据后面加一个选择CPU运算的参数：map_location='cpu'
    
    
   
   

   
   

    
    

   
   
   
   

    
    

     
     torch.load(xxxxxxx ,map_location=
     
     'cpu' )
    
    
   
   
 
 

之后再把所有涉及 GPU 运算的语句注释掉就可以了。

 

**具体如下：**

pytorch将cpu训练好的模型参数load到gpu上，或者gpu->cpu上

假设我们只保存了模型的参数(model.state_dict())到文件名为modelparameters.pth, model = Net()

1. cpu -> cpu或者gpu -> gpu:

checkpoint = torch.load('modelparameters.pth')

model.load_state_dict(checkpoint)

2. cpu -> gpu 1

torch.load('modelparameters.pth', map_location=lambda storage, loc: storage.cuda(1))
 
 

3. gpu 1 -> gpu 0

torch.load('modelparameters.pth', map_location={'cuda:1':'cuda:0'})
 
 

4. gpu -> cpu

torch.load('modelparameters.pth', map_location=lambda storage, loc: storage)
 
 

或者：

如果出现这个报错

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='cpu' to map your storages to the CPU.

torch.load(opt.model,map_location='cpu')