Python 从GPU中的60分钟闪电战中训练PyTorch分类器时出错

我已经开始在jupyter实验室学习Pytork的官方60分钟blitz教程（使用他们的.ipynb文件），并成功地完成了它，直到使用gpu转换和训练分类器。我认为我已经根据这些结果成功地更改了网络、输入和标签的设备：

net=net.to(device)
net.fc1.weight.type()

输出：

'torch.cuda.FloatTensor'

以及：

输出：

('torch.cuda.FloatTensor', 'torch.cuda.LongTensor')

运行这些单元格后，我运行了用于训练模型的单元格，其中包含以下代码：

for epoch in range(2):  # loop over the dataset multiple times

running_loss = 0.0
for i, data in enumerate(trainloader, 0):
    # get the inputs
    inputs, labels = data

    # zero the parameter gradients
    optimizer.zero_grad()

    # forward + backward + optimize
    outputs = net(inputs)
    loss = criterion(outputs, labels)
    loss.backward()
    optimizer.step()

    # print statistics
    running_loss += loss.item()
    if i % 2000 == 1999:    # print every 2000 mini-batches
        print('[%d, %5d] loss: %.3f' %
              (epoch + 1, i + 1, running_loss / 2000))
        running_loss = 0.0

print('Finished Training') 

并收到此错误：

RuntimeError                              Traceback (most recent call last)
<ipython-input-55-fe85c778b0e6> in <module>()
     10 
     11         # forward + backward + optimize
---> 12         outputs = net(inputs)
     13         loss = criterion(outputs, labels)
     14         loss.backward()

~\Anaconda3\lib\site-packages\torch\nn\modules\module.py in __call__(self, 
*input, **kwargs)
    475             result = self._slow_forward(*input, **kwargs)
    476         else:
--> 477             result = self.forward(*input, **kwargs)
    478         for hook in self._forward_hooks.values():
    479             hook_result = hook(self, input, result)

<ipython-input-52-725d44154459> in forward(self, x)
    14 
    15     def forward(self, x):
--->16         x=self.conv1(x)
    17         x = self.pool(F.relu(x))
    18         x = self.pool(F.relu(self.conv2(x)))

~\Anaconda3\lib\site-packages\torch\nn\modules\module.py in __call__(self, 
*input, **kwargs)
    475             result = self._slow_forward(*input, **kwargs)
    476         else:
--> 477             result = self.forward(*input, **kwargs)
    478         for hook in self._forward_hooks.values():
    479             hook_result = hook(self, input, result)

~\Anaconda3\lib\site-packages\torch\nn\modules\conv.py in forward(self, 
input)
    299     def forward(self, input):
    300         return F.conv2d(input, self.weight, self.bias, self.stride,
--> 301                         self.padding, self.dilation, self.groups)
    302 
    303 

RuntimeError: Expected object of type torch.FloatTensor but found type 
torch.cuda.FloatTensor for argument #2 'weight' 

运行时错误回溯（最近一次调用）
在（）
10
11#向前+向后+优化
--->12输出=净（输入）
13损耗=标准（输出、标签）
14.损失向后（）
~\Anaconda3\lib\site packages\torch\nn\modules\module.py在调用中（self，
*输入，**千瓦格）
475结果=self.\u slow\u forward（*输入，**kwargs）
476其他：
-->477结果=自我转发（*输入，**kwargs）
478用于钩住自身。\u向前\u钩住.values（）：
479钩子结果=钩子（自身、输入、结果）
前进中（自我，x）
14
15 def前进档（自身，x）：
--->16 x=自转换1（x）
17 x=自池（F.relu（x））
18 x=自池（F.relu（self.conv2（x）））
~\Anaconda3\lib\site packages\torch\nn\modules\module.py在调用中（self，
*输入，**千瓦格）
475结果=self.\u slow\u forward（*输入，**kwargs）
476其他：
-->477结果=自我转发（*输入，**kwargs）
478用于钩住自身。\u向前\u钩住.values（）：
479钩子结果=钩子（自身、输入、结果）
~\Anaconda3\lib\site packages\torch\nn\modules\conv.py在前进（self，
输入）
299 def前进档（自身，输入）：
300返回F.conv2d（输入、自重、自偏倚、自步幅、，
-->301自填充、自膨胀、自组）
302
303
RuntimeError:应为torch.FloatTensor类型的对象，但找到类型为
torch.cuda.FloatTensor用于参数#2‘重量’

---

我为什么会收到此错误，如何修复它

您还需要将

输入

和

标签

移动到训练循环内的GPU

for i, data in enumerate(trainloader, 0):
    # get the inputs
    inputs, labels = data

    # move to GPU
    inputs = inputs.to(device)
    labels = labels.to(device)

    ...

---

更准确地说，您需要移动每一批训练数据。

for i, data in enumerate(trainloader, 0):
    # get the inputs
    inputs, labels = data

    # move to GPU
    inputs = inputs.to(device)
    labels = labels.to(device)

    ...