Deep learning Pytork/cuda:CPU错误和映射位置

我编写此代码是为了下载我的模型：

args = parser.parse_args()

use_cuda = torch.cuda.is_available()

state_dict = torch.load(args.model)
model = Net()
model.load_state_dict(state_dict)
model.eval()

if use_cuda:
    print('Using GPU')
    model.cuda()
else:
    print('Using CPU')

但是我的终端返回以下错误

RuntimeError:尝试反序列化CUDA设备上的对象，但torch.CUDA.is\u available（）为False。如果您在仅CPU的机器上运行，请使用torch.load with map_location=torch.device（“CPU”）将存储映射到CPU。

因此，我试图在不太理解的情况下写作：

args = parser.parse_args()

map_location=torch.device('cpu')
state_dict = torch.load(args.model)
model = Net()
model.load_state_dict(state_dict)
model.eval()

---

但我还是犯了同样的错误。你知道我怎样才能改正它吗？（实际上，我想用我的CPU加载我的模型）。

我假设您将模型保存在带有GPU的计算机上，而现在正在将其加载到没有GPU的计算机上，或者您出于某种原因GPU不可用。另外，哪一行导致了错误

参数

map\u location

需要在

torch.load

内设置。像这样：

state_dict = torch.load(args.model, map_location='cpu')

或

请注意，您需要将map\u位置变量发送到

torch.load

函数

map_location=torch.device('cpu')
state_dict = torch.load(args.model, map_location=map_location)