Conv neural network 向CONVLSM传递隐藏状态时发生CUDA错误

我得到以下错误，这是回溯：

Traceback (most recent call last):
  File "train.py", line 136, in <module>
    train(epoch)
  File "train.py", line 112, in train
    output = model(data, hc)             # Get outputs of LSTM
  File "/home/ama1128/.conda/envs/matrix/lib/python3.6/site-packages/torch/nn/modules/module.py", line 489, in __call__
    result = self.forward(*input, **kwargs)
  File "/scratch/ama1128/convLSTM/model.py", line 118, in forward
    hc = self.cell_list[t](input=x[0], prev_state=[h_0, c_0])
  File "/home/ama1128/.conda/envs/matrix/lib/python3.6/site-packages/torch/nn/modules/module.py", line 489, in __call__
    result = self.forward(*input, **kwargs)
  File "/scratch/ama1128/convLSTM/model.py", line 50, in forward
    combined = torch.cat((input, h_prev), dim=1) # concatenate along channel axis
RuntimeError: Expected object of backend CUDA but got backend CPU for sequence element 1 in sequence argument at position #1 'tensors'

convLSTMCell前进：

def前进（自身、输入、上一状态）：
h_prev，c_prev=上一状态
组合=火炬。cat（输入，h_-prev，dim=1）#沿通道轴连接
combined_conv=self.conv（组合）
cc_i、cc_f、cc_o、cc_g=火炬分割（组合转换、自隐藏尺寸、尺寸=1）
i=火炬。乙状结肠（cc_i）
f=火炬。乙状结肠（cc_f）
o=火炬。乙状结肠（cc_o）
g=火炬塔恩（cc_g）
c_cur=f*c_prev+i*g
h_cur=o*torch.tanh（c_cur）
返回h_cur，c_cur

convLSTM类： 初始化状态：

def init_hidden（自身、批次大小）：
隐藏=火炬零点（批次尺寸、自身隐藏尺寸[0]、自身高度、自身宽度）
单元格=火炬零点（批次尺寸、自身隐藏尺寸[0]、自身高度、自身宽度）
如果gpu：
hidden.cuda（）
cell.cuda（）
返回隐藏的单元格

convLSTM前进：

def前进（自身、x、hc）：
输出=[]
国家=[]
x=火炬。取消（x，1）#将形状从（18,3128128）更改为（18,1,3128128）
h_0，c_0=hc
对于范围内的t（0，self.num_层）：
如果t==0：
hc=self.cell\u list[t]（输入=x[0]，上一个状态=[h\u 0，c\u 0]）
州。附加（hc）
隐藏，单元格=hc
outputs.append（hidden.view（3128128））
其他：
h、 c=状态[t-1]#解包以前的状态
如果gpu：
h、 cuda（）
c、 cuda（）
hc=self.cell_list[t]（输入=x[t]，上一状态=[h，c]）#当前状态
states.append（hc）#存储下一个单元格的当前状态
隐藏，单元格=hc#解包当前状态
outputs.append（hidden.view（3128128））

在将输出传递给损失函数之前，使用

torch.stack

重新格式化输出。

---

我尝试将隐藏状态投射到gpu上，但错误仍然存在。发生了什么事？

我尝试在convLSTMCell前向循环中添加

如果gpu:h_prev.cuda（）c_prev.cuda（）

。我为输入打印了设备，它打印了0，但是当我为h_prev和c_prev打印设备时，我得到了以下错误：

RuntimeError:get_设备没有为带有CPU后端的张量实现

，我感到困惑。即使将cuda分配给h_prev和c_prev，为什么我仍然会出现这个错误？我现在通过将默认张量类型设置为cuda解决了这个问题，但我不认为这是最佳的，是吗？错误现在在训练循环中得到了修复，但在验证循环中没有。奇怪的是，验证循环与训练循环完全相同，只是没有

loss.backward（）

和

optimizer.step（）