神经网络训练已成为现在潮流,越热门,其中一些细枝末节的东西可能也就越多,当引入一个自己手写的loss时,除了一些基本的条条框框,还要注意一点,loss中涉及到的参数必须与当前模型训练所用的device保持一致,如下,是我在一个GPU的框架下加了一个新loss,而loss中又有自适应的权重参数(torch.Tensor(1)),运行时总是会报错:
Function MulBackward0 returned an invalid gradient at index 1 - expected type TensorOptions(dtype=float, device=cuda:0, layout=Strided, requires_grad=false) but got TensorOptions(dtype=float, device=cpu, layout=Strided, requires_grad=false) (validate_outputs at ..\torch\csrc\autograd\engine.cpp:484)
(no backtrace available)
解决此错误的办法是在我的哪个权重参数torch.Tensor(1)后面加.cuda(),因为默认情况下这个参数是在CPU下的,GPU环境下就报错啦!