Neural network 如何使用地图位置='；中央处理器'；由于；RuntimeError:试图反序列化CUDA设备上的对象，但torch.CUDA.is_available（）is False；

我试图在下载以下模型

我收到：

>>> import torch
>>> tacotron2 = torch.hub.load('nvidia/DeepLearningExamples:torchhub', 'nvidia_tacotron2')
Using cache found in .cache\torch\hub\nvidia_DeepLearningExamples_torchhub
...
  File "Anaconda3\envs\env3_pytorch\lib\site-packages\torch\serialization.py", line 79, in validate_cuda_device
    raise RuntimeError('Attempting to deserialize object on a CUDA '
RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location='cpu' to map your storages to the CPU.

因此，我在

map\u location='cpu'

中使用了以下内容，但仍然得到了相同的错误

>>> tacotron2 = torch.hub.load('nvidia/DeepLearningExamples:torchhub', 'nvidia_tacotron2', map_location='cpu')

torch.version.cuda显示一个版本，但torch.cuda.is_available（）为false

>>> import torch
>>> torch.version.cuda
'9.0'
>>> torch.cuda.is_available()
False

• 如何避免与

  map\u location

  相关的错误，因为我使用的正是要求使用的命令错误消息

• 如何使用cuda加载模型

不专门支持

映射位置

，它只将额外的参数转发给模型的加载，因此它取决于是否支持

在这种情况下，它不受支持，加载是在中实现的，它不会将任何

map\u位置

传递给

这意味着您需要手动加载检查点并将其应用于模型。谢天谢地，通过设置

pretrained=False

，可以使用相同的配置加载模型，而无需加载检查点，并且可以单独加载检查点，这支持

map\u location

。状态dict只需要一个小的更改，因为它是用

DistributedDataParallel

训练的，它包装了模块，这样模型中的每个

层都变成了
module.layer
。在状态dict中，
模块。
前缀需要去除

tacotron2=torch.hub.load（'nvidia/DeepLearningExamples:torchhub'，'nvidia\u tacotron2'，pretrained=False）
checkpoint=torch.hub.load\u state\u dict\u from\u url（'https://api.ngc.nvidia.com/v2/models/nvidia/tacotron2pyt_fp32/versions/1/files/nvidia_tacotron2pyt_fp32_20190306.pth，map_location=“cpu”）
#展开分布式数据并行模块
#module.layer->layer
state_dict={key.replace（“module.”，“”）：键的值，检查点[“state_dict”].items（）中的值
#将状态dict应用于模型
tacotron2.加载状态指令（状态指令）
不专门支持
映射位置
，它只将额外的参数转发给模型的加载，因此是否支持取决于实现

在这种情况下，它不受支持，加载是在中实现的，它不会将任何
map\u位置
传递给

这意味着您需要手动加载检查点并将其应用于模型。谢天谢地，通过设置
pretrained=False
，可以使用相同的配置加载模型，而无需加载检查点，并且可以单独加载检查点，这支持
map\u location
。状态dict只需要一个小的更改，因为它是用
DistributedDataParallel
训练的，它包装了模块，这样模型中的每个
层都变成了
module.layer
。在状态dict中，
模块。
前缀需要去除

tacotron2=torch.hub.load（'nvidia/DeepLearningExamples:torchhub'，'nvidia\u tacotron2'，pretrained=False）
checkpoint=torch.hub.load\u state\u dict\u from\u url（'https://api.ngc.nvidia.com/v2/models/nvidia/tacotron2pyt_fp32/versions/1/files/nvidia_tacotron2pyt_fp32_20190306.pth，map_location=“cpu”）
#展开分布式数据并行模块
#module.layer->layer
state_dict={key.replace（“module.”，“”）：键的值，检查点[“state_dict”].items（）中的值
#将状态dict应用于模型
tacotron2.加载状态指令（状态指令）
@michale Jungo所以我理解hub.load的问题是nvidia github链接中的hubconf.py没有像通常预期的那样实现，对吗？我尝试了
>>tacotron2=torch.hub.load（'nvidia/DeepLearningExamples:torchhub'，'nvidia\u tacotron2'，pretrained=False）
。但是我一直得到
PermissionError:[WinError 32]进程无法访问该文件，因为它正被另一个进程使用：'.cache\\torch\\hub\\torchhub.zip
，即使没有其他进程。这是为什么？我可以在这个链接上使用指令通过上面的WinError，但是现在我看到了加载检查点时的另一个问题：
不兼容密钥（缺少密钥=[]，意外的密钥=[]）
。执行
加载状态命令时
。有什么解决方案吗？``>>tacotron2.load_state_dict（state_dict）不兼容键（缺少键=[]，意外键=[]）>>>``有办法逐层查看模型摘要并以图形形式查看吗？当我尝试
>>摘要（tacotron2）
时，我得到
TypeError:summary（）缺少一个必需的位置参数：“input\u size”
我猜
summary（）
引用了。如果是这样的话，您需要给出您将提供给模型的输入大小，因为它需要使用一些虚拟数据运行前向传递，以确定实际使用了哪些层。除此之外，如果直接打印模型，则可以获得模块的概述。大多数情况下，这些都是有序的，但任何不按顺序进行的操作（例如，多个分支）都不会反映出来。我指的是pytorch摘要，但无法确定tacotron-2的输入大小，或者如何指定模型的输入。@michale Jungo，所以我理解hub.load的问题是nvidia github链接中的hubconf.py没有按照通常的预期实现，对吗？我尝试了
>>tacotron2=torch.hub.load（'nvidia/DeepLearningExamples:torchhub'，'nvidia\u tacotron2'，pretrained=False）
。但是我一直得到
PermissionError:[WinError 32]进程无法访问该文件，因为它正被另一个进程使用：'.cache\\torch\\hub\\torchhub.zip
，即使没有其他进程。这是为什么呢？我在这个链接上使用指令通过了上面的WinError，但是现在我看到了加载检查点时的另一个问题
>>> import torch
>>> torch.version.cuda
'9.0'
>>> torch.cuda.is_available()
False