pytorch运行过程中tensor数据变成<torch.Tensor object at 0x7f687a1dc440>

torch版本1.8.0

cuda10.2

在训练过程报错

RuntimeError: CUDA error: device-side assert triggered

定位到问题是模型运行过程中所有的张量数据变成了如下形式

<torch.Tensor object at 0x7f687a1dc440>

debug找到问题出在nn.Embedding层

import torch.nn as nn
import torch
emb = nn.Embedding(10,768)
index = torch.tensor([10])
# emb(index) 在cpu上能够正常报错out of range

emb = emb.to('cuda')
index = index.to('cuda')
emb(index)  # cuda上该行可以运行
print(index)# 所有张量,包括Embedding的权重变为<torch.Tensor object at 0x7f687a1dc440>

  • 12
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
<.utils.data.dataloader.DataLoader object at 0x0000022930F5DEB0>是一个在PyTorch用于数据读取的重要接口。它的主要作用是将自定义的数据读取接口的输出或者PyTorch已有的数据读取接口的输入按照batch size封装成Tensor,然后再包装成Variable作为模型的输入。该接口的源码可以在dataloader.py脚本找到,该脚本可以在PyTorch的GitHub页面上找到。如果想要详细了解该接口的使用方法,可以参考一篇介绍python torch.utils.data.DataLoader使用方法的博客。在实现过程,还有一个相关的类叫做DataLoaderIter,它的_get_batch方法根据是否设置了超时时间来操作,如果超过指定的超时时间后没有从队列读到数据就会报错。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [PyTorch源码解读之torch.utils.data.DataLoader](https://blog.csdn.net/u014380165/article/details/79058479)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* [python torch.utils.data.DataLoader使用方法](https://download.csdn.net/download/weixin_38605590/12853596)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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 5
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
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