TypeError: cannot assign ‘torch.cuda.FloatTensor‘ as parameter ‘bias‘ (torch.nn.Parameter or None ex

最新推荐文章于 2024-04-13 20:46:28 发布

zlbbme_

最新推荐文章于 2024-04-13 20:46:28 发布

阅读量3.1k

点赞数 5

文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/zlbbme/article/details/129783478

版权

文章讲述了在使用PyTorch时遇到将模型的bias转移至GPU失败的问题，原因是model本身未转移到CUDA。解决方案是确保在实例化模型时直接将其移到CUDA上，或者保证tensor和model在同一设备上。通过修改代码，可以消除不必要的CUDA可用性检查。

摘要由CSDN通过智能技术生成

报错定位到的位置是在：

self.bias = self.bias.cuda()

意为将把bias转到gpu上报错；

网上查询了很多问题都没解决，受到这篇博客的启发；pytorch 手动设置参数变量并转到cuda上_XiaoPangJix1的博客-CSDN博客

原因可能是：bias是torch.nn.Parameter(),转移到cuda上失败，提示此报错；

其实根本原因比较简单，就是在model定义的时候没有将model转移到cuda上，因此修改代码为如下即可：

    a = torch.Tensor(1,1,256,256)  

    if torch.cuda.is_available():
        a=a.cuda()
        EE_Block = EdgeEnhanceREC().cuda() #实例化并转移到cuda
    else:
        EE_Block = EdgeEnhanceREC()        #只进行实例化，保持tensor和model在同一个设备上就行
    b = EE_Block(a)
    print(b.shape)   #不改变size,[1,1,256,256]->[1,1,256,256]

甚至可用改变原来代码中很多“if torch.cuda.is_available():”无用的判别；

大道至简，被这个简单的问题困扰了好几天。