调用GPU不匹配“cuda:0“

👦👦一个帅气的boy,你可以叫我Love And Program
🖱 ⌨个人主页:Love And Program的个人主页
💖💖如果对你有帮助的话希望三连💨💨支持一下博主

GPU不匹配"cuda:0"

前言

       我在Github上发现这一组代码,平平无奇,就是调用GPU,但是我运行的时候一直显示调用CPU,我看着明明是GPU啊。

代码

import torch
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
if device == 'cuda:0':
    print('Using GPU : ')
    print(torch.cuda.get_device_name(device))
else :
    print('Using CPU')
# 结果
'''
CPU
'''

我尝试打印device,结果却是cuda:0
然后我发现结果并不是想的那样

print(device,type(device))
#cuda:0 <class 'torch.device'>

很明显,类型都不一样,白瞎我一小时间

device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')
print(device)
if str(device) == 'cuda:0':
    print('Using GPU : ')
    print(torch.cuda.get_device_name(device))
else :
    print('Using CPU')
'''
cuda:0
Using GPU : 
GeForce MX130
'''
ps:一个大佬通过国外一篇论文仿的,我以为不会出现这种小毛病😂😂自我怀疑好久,不该把不该把
  • 12
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 7
    评论
出现"TypeError: can't convert cuda:0 device type tensor to numpy"是因为程序在尝试将一个CUDA设备上的张量转换为NumPy数组时出现了错误。这个错误通常发生在使用PyTorch深度学习框架时。 在深度学习中,我们通常使用GPU来进行计算,因为GPU相比于CPU更适合处理大规模的张量计算。而PyTorch等框架可以利用CUDA库来直接在GPU上进行张量计算。然而,当我们试图将一个在GPU上的张量转换为NumPy数组时,就会出现上述的错误。 这个问题通常是由于不同设备之间的数据类型不匹配引起的。CUDA设备上的张量具有特定的设备类型“cuda:0”,而NumPy数组是在CPU上进行操作的。由于设备类型不同,所以无法直接将CUDA张量转换为NumPy数组。 为了解决这个问题,我们可以采取以下两种方法之一: 1. 将张量转移到CPU上进行操作:通过调用张量的".cpu()"方法,我们可以将张量从CUDA设备移动到CPU上,并且之后就可以将其转换为NumPy数组,而不会出现错误。 例如,可以使用以下代码将张量转移到CPU并将其转换为NumPy数组: ```python cpu_tensor = cuda_tensor.cpu() numpy_array = cpu_tensor.numpy() ``` 2. 直接在CUDA设备上操作张量:如果需要在CUDA设备上进行操作并且不需要将其转换为NumPy数组,我们可以避免出现错误。确保在操作张量之前,设备类型为CUDA,并且在必要时将函数或方法应用于CUDA设备上的张量。 综上所述,出现"TypeError: can't convert cuda:0 device type tensor to numpy"错误是由于将CUDA设备上的张量直接转换为NumPy数组引起的。要解决此问题,我们可以将张量转移到CPU上操作或直接在CUDA设备上进行操作,避免数据类型不匹配的错误。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Love And Program

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值