Please use torch.load with map_location=torch.device(‘cpu‘），If you are running on a CPU-only machine

最新推荐文章于 2025-05-05 00:02:52 发布
最新推荐文章于 2025-05-05 00:02:52 发布
阅读量7.2k 收藏 19
点赞数 6
文章标签： 深度学习 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45027465/article/details/122800902
版权
这篇博客讲述了在CPU机器上遇到CUDA不可用错误，如何通过将torch.load中的map_location设置为'torch.device('cpu')'来解决模型加载问题。解决方案提供了一个实例，即在model_hyper.load_state_dict中使用map_location='cpu'来避免RuntimeError。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在CPU中运行GPU程序，出现以下问题

If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.

问题

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=torch.device('cpu') to map your storages to the CPU.

出现以下错误

定位到19行

model_hyper.load_state_dict((torch.load('./koniq_pretrained.pkl')))

解决方案：

在模型加载时，指定 map_location='cpu' 即可，代码如下：

model_hyper.load_state_dict((torch.load('./koniq_pretrained.pkl',map_location='cpu')))

pytorch------cpu与gpu load时相互转化 torch.load(map_location=)
小呆丶的博客
02-21 1万+
pytorch------cpu与gpu load时相互转化 torch.load(map_location=) 将gpu改为cpu时，遇到一个报错： RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is Fa...
please use torch.load with map_location=torch.device(‘cpu‘) to map your storages to the CPU.
qq_39691492的博客
11-03 1万+
please use torch.load with map_location=torch.device(‘cpu’) to map your storages to the CPU. 问题描述： 在GPU环境下，用pytorch框架训练好的网络模型，在CPU环境测试，报错如下： RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are
修复笔记：SkyReels-V2 项目中的 torch.load 警告
最新发布
love530love的博客
05-05 548
通过上述步骤，成功修复了项目中的torch.load警告。这些修改确保了代码在未来版本的库中仍然兼容，并提高了代码的安全性。希望这份修复笔记能帮助你解决相同的问题。
成功解决torch.load with map_location=torch.device(“cpu”) to map your storages to the CPU
weixin_44697140的博客
05-18 1万+
第一次在pytorch框架下运行程序，出现以下错误： 意思是pytorch运行在gpu上面，而本机却没有安装gpu的pytorch。 解决方法： torch.load(’./checkpoint.pth.tar’)改为torch.load(’./checkpoint.pth.tar’,map_location=“cpu”)即可。 ...
已成功配置GPU 的MAC-成功解决torch.load with map_location=torch.device(“cpu”) to map your storages to the CPU
haimengjie的博客
10-03 833
成功解决torch.load with map_location=torch.device(“cpu”) to map your storages to the CPU
raise RuntimeError('Attempting to deserialize object on a CUDA ' 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=
03-21
model = torch.load('textCNN.p', map_location=torch.device('cpu')) model.eval() ``` 通过上述方法可以有效避免因缺少 CUDA 支持而导致的错误[^2]。 --- #### 方法二：适用于 GPU 环境 如果当前环境具备 GPU ...
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=torch.device('cpu') to map your storages to the CPU.
05-21
如果你是在 CPU 环境下运行的，可以使用 `torch.load` 并指定 `map_location=torch.device('cpu')` 来将存储在 CUDA 设备上的模型映射到 CPU 上，如下所示： ```python model = torch.load('model.pth', map_...
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 =torch.device('cpu') to map your storages to the CPU.
05-23
可以尝试使用 `torch.load` 函数时加上 `map_location=torch.device('cpu')` 参数来将模型加载到 CPU 上。 示例代码： ```python checkpoint = torch.load('model.pth', map_location=torch.device('cpu')) ``` ...
执行model.load_state_dict报错map_location=torch.device(‘cpu‘)以及Unexpected key(s) in state_dict
m0_56222998的博客
08-02 2255
本蒟蒻原先是在有GPU的服务器上训练得到了模型，现在想在没有GPU的服务器部署网页，需要加载该模型，当运行了下面代码时。是因为没有将state_dict转移到CPU上，在PyTorch中，可以通过指定。仔细查看提示信息，发现是有一个未知的Key，我把它删掉竟然就跑通了。我打印出了两台服务器中state_dict的内容。打印的内容都是一样的，都是下面的内容。
torch.load()加载模型及其map_location参数
qq_43219379的博客
03-23 5万+
torch.load()加载模型的方法及其map_location参数
pytorch cpu与gpu load时相互转化 torch.load(map_location=)
bc521bc的博客
01-02 3万+
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') ...
PyTorch框架GPU代码转CPU代码
qq_42262610的博客
07-21 9149
在进行深度学习的训练和测试时，所用的代码有的需要GPU计算，但当需要将代码部署在没有GPU的云端服务器或者自己本地电脑上运行时，就需要将GPU代码转换为CPU代码，修改代码的位置大概如下： 1.此时可以在代码开头添加如下代码获取当前计算机是否有GPU device = torch.device("cuda" if torch.cuda.is_available() else "cpu") print(device) #cpu 2.然后在代码中用 .to(device)或者.cpu()替换.cuda(
torch.cuda.is_available()返回False的解决办法
云端浅蓝
05-19 1万+
在安装好Anaconda3后，利用其自带的spyder运行程序，出现报错： 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 t
错误笔记
勇敢牛牛
01-13 342
错误笔记1 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=torch.device(‘cpu’) to map your storages to the CPU. 可能的原因：g
AlexNet 深度卷积神经网络
gdz0007的博客
12-17 432
​# 定义卷积层和池化层# 自适应层，将上一层的数据转换成6x6大小# 全连接层​return x​。
PyTorch笔记29--GPU的使用
zjhzxsljl的博客
02-22 404
CPU（Central Processing Unit, 中央处理器）：主要包括控制器和运算器GPU(Graphics Processing Unit, 图形处理器)：处理统一的，无依赖的大规模数据运算。
pytorch(一)模型加载函数torch.load()
热门推荐
凝眸伏笔的博客
11-08 10万+
1.作用：用来加载torch.save()保存的模型文件。 torch.load()先在CPU上加载，不会依赖于保存模型的设备。如果加载失败，可能是因为没有包含某些设备，比如你在gpu上训练保存的模型，而在cpu上加载，可能会报错，此时，需要使用map_location来将存储动态重新映射到可选设备上，比如map_location=torch.device('cpu')，意思是映射到cpu上，在cpu上加载模型，无论你这个模型从哪里训练保存的。 一句话：map_location适用于修改模型能在gpu.
torch.load中strict=False的用法
weixin_73101319的博客
03-08 1657
你可以在加载权重时灵活地处理缺失或多余的参数。，表示加载的状态字典必须严格匹配模型的结构，即模型的所有参数的名称和形状必须完全匹配。这行代码是使用PyTorch加载预训练模型权重时常见的用法。状态字典是一个Python字典对象，它包含了模型的权重和偏置等参数。，则允许加载的状态字典中存在一些缺失参数或者多余参数，而不会引发错误。用于将加载的权重映射到指定的设备（如CPU或GPU）上。: 这个参数控制着加载权重时的严格性。类的一个方法，用于加载模型的状态字典。方法将加载的权重加载到模型中。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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