【torch错误】Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same

使用torch训练模型时，出现错误：
“Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same”

错误原因：
模型放入GPU后也只能处理数据类型为cuda的GPU数据，但你在把数据输入进模型之前并未做转换，依然是张量类型 。因此出错，二者必须一致。

例如：

device = torch.device('cuda:0')
Mymodel = VGGModel().to(device)  # 这里实例化模型后传入了GPU
...
...
for step, (data, label) in enumerate(train_loader):  #开始训练
    model.train()  # 设置为训练模式
    # data在传入前并未做转换，还是张量类型，所以出错
    output = model(data).to(device) 

问题就在output = model(data).to(device)，虽然我们把模型用.to(devce)传入了GPU，但data和label两个张量并没有变为GPU能处理的cuda类型数据，仍然是张量数据，此时model因为用了.to(device) 后只能处理cuda类型数据，当然二者不能兼容，因此报错。

解决方法：
在读出data和label后使用.to(device)转换成cuda数据后在输入进模型。
代码改进如下：

device = torch.device('cuda:0')
Mymodel = VGGModel().to(device)  # 这里实例化模型后传入了GPU
...
...
for step, (data, label) in enumerate(train_loader):  #开始训练
	data, label= data.to(device), label.to(device)  # 加这一句即可
    model.train()  # 设置为训练模式
    output = model(data).to(device) 

问题解决。