神经网络 测试的时候，Gpu内存不够了，咋整呢？？？？

在使用pytorch测试神经网络模型时, 加载了使用gpu训练出的模型参数：xxx.pth, 即torch.load（“xxx.pth”），但是运行程序时却遇到这个类型不匹配的错误：

RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same or input should be a MKLDNN tensor and weight is a dense tensor
根据报错内容可以看出Input type为torch.FloatTensor（CPU数据类型），而weight type（即网络权重参数这些）为torch.cuda.FloatTensor（GPU数据类型）。这是由于你使用的是在GPU上训练出的模型参数，但是在cpu上测试时并没有将该模型参数映射到cpu上。

怎么解决呢？

解决方法：由于xxx.pth是在GPU上训练出来的，所以在使用cpu加载时就要从GPU映射到cpu上，即在torch.load（“xxx.pth”）中添加"map_location=torch.device(“cpu”)"即可，也就是最终改为：torch.load（“xxx.pth”，map_location=torch.device(“cpu”)）,程序就可以正常运行了。