pytorch deeplearning测试阶段GPU测试问题

按照https://www.jianshu.com/p/889dbc684622实现了CIFAR10的分类，

但是转到GPU上之后，出现error，是数据类型转换问题。

原在cpu上测试的代码：

correct = 0
total = 0
for data in testloader:
    images, labels = data
    outputs = net(Variable(images))
    _, predicted = torch.max(outputs.data, 1)
    total += labels.size(0)
    correct += (predicted == labels).sum()

print('Accuracy of the network on the 10000 test images: %d %%' % (
    100 * correct / total))

如果需要在GPU上使用，首先在训练阶段需要将网络存储为GPU上

net.cuda()

然后在测试阶段载入，将数据加载到GPU上

inputs, labels = Variable(inputs.cuda()), Variable(target.cuda())

需要注意的是，此时，input已经是Variable,输入net时不需要再转成Variable.

另外，predicted是一个tensor类型，不能与variable类型的labels直接比较，需要拿predicted与labels.data比较

最终的测试阶段代码为：

correct = 0
total = 0
for data in testloader:
    images, labels = data
    images, labels = Variable(images.cuda()), Variable(labels.cuda())
    outputs = net(images)
    _, predicted = torch.max(outputs.data, 1)
    total += labels.size(0)
    correct += (predicted == labels.data).sum()

print('Accuracy of the network on the 10000 test images: %d %%' % (
    100 * correct / total))

需要了解Variable类型，

https://blog.csdn.net/qjk19940101/article/details/79555653

tensor是PyTorch中的完美组件，但是构建神经网络还远远不够，我们需要能够构建计算图的tensor，这就是Variable。Variable是对tensor的封装，操作和tensor是一样的，但是每个Variable都有三个属性，Variable中的tensor本身.data，对应tensor的梯度.grad以及这个Variable是通过说明方式得到的.grad_fn