Python 应使用`torch.device`或将字符串作为参数传递来设置`device`参数

我的数据迭代器当前在CPU上运行，因为

device=0

参数已弃用。但我需要它在GPU上运行与模型的其余部分等

这是我的密码：

pad_idx = TGT.vocab.stoi["<blank>"]
model = make_model(len(SRC.vocab), len(TGT.vocab), N=6)
model = model.to(device)
criterion = LabelSmoothing(size=len(TGT.vocab), padding_idx=pad_idx, smoothing=0.1)
criterion = criterion.to(device)
BATCH_SIZE = 12000
train_iter = MyIterator(train, device, batch_size=BATCH_SIZE,
                        repeat=False, sort_key=lambda x: (len(x.src), len(x.trg)),
                        batch_size_fn=batch_size_fn, train=True)
valid_iter = MyIterator(val, device, batch_size=BATCH_SIZE,
                        repeat=False, sort_key=lambda x: (len(x.src), len(x.trg)),
                        batch_size_fn=batch_size_fn, train=False)
#model_par = nn.DataParallel(model, device_ids=devices)

我尝试将

'cuda'

作为参数而不是

device=0

传递，但收到以下错误：

<ipython-input-50-da3b1f7ed907> in <module>()
    10     train_iter = MyIterator(train, 'cuda', batch_size=BATCH_SIZE,
    11                             repeat=False, sort_key=lambda x: (len(x.src), len(x.trg)),
---> 12                             batch_size_fn=batch_size_fn, train=True)
    13     valid_iter = MyIterator(val, 'cuda', batch_size=BATCH_SIZE,
    14                             repeat=False, sort_key=lambda x: (len(x.src), len(x.trg)),

TypeError: __init__() got multiple values for argument 'batch_size'

（） 10序列iter=MyIterator（序列'cuda'，批量大小=批量大小， 11 repeat=False，sort_key=lambda x:（len（x.src），len（x.trg））， --->12批次尺寸=批次尺寸，序列=真） 13有效迭代器=我的迭代器（val，'cuda'，批量大小=批量大小， 14 repeat=False，sort_key=lambda x:（len（x.src），len（x.trg））， TypeError:\uuuu init\uuuuuuuuu（）为参数“batch\u size”获取了多个值 我还尝试将

device

作为参数传入。将设备定义为

device=torch.device（'cuda:0'如果torch.cuda.is_可用（），否则为'cpu'）

但是收到与上面相同的错误

---

如果您有任何建议，我们将不胜感激。

我当前的pytorch版本

1.0.1

和以前的版本

0.4

与字符串和

火炬配合使用。设备

：

导入火炬
x=火炬张量（1）
打印（x.to（'cuda:0'））#没问题
打印（x.to（火炬装置（'cuda:0'））#也没问题

pad_idx=TGT.vocab.stoi[“”]
模型=制作模型（len（SRC.vocab），len（TGT.vocab），N=6）
模型=模型到（设备）
标准=标签平滑（大小=len（TGT.vocab），填充\u idx=填充\u idx，平滑=0.1）
标准=标准到（设备）
批量大小=12000
序列iter=MyIterator（序列，批量大小=批量大小，设备=火炬。设备（'cuda'），
repeat=False，sort_key=lambda x:（len（x.src），len（x.trg）），
批次大小=批次大小，序列=真）
有效的iter=MyIterator（val，batch\u size=batch\u size，device=torch.device（'cuda'），
repeat=False，sort_key=lambda x:（len（x.src），len（x.trg）），
批次大小=批次大小，序列=假）

---

经过大量的尝试和错误，我成功地将

device

设置为

device=torch.device（'cuda'））

而不是

device=0

@codeslord这是很久以前的事了，但我很确定我是在玩我知道的带注释的转换器。我问这个问题是因为我对您自己的实现非常感兴趣。无论如何，谢谢。

<ipython-input-50-da3b1f7ed907> in <module>()
    10     train_iter = MyIterator(train, 'cuda', batch_size=BATCH_SIZE,
    11                             repeat=False, sort_key=lambda x: (len(x.src), len(x.trg)),
---> 12                             batch_size_fn=batch_size_fn, train=True)
    13     valid_iter = MyIterator(val, 'cuda', batch_size=BATCH_SIZE,
    14                             repeat=False, sort_key=lambda x: (len(x.src), len(x.trg)),

TypeError: __init__() got multiple values for argument 'batch_size'

pad_idx = TGT.vocab.stoi["<blank>"]
model = make_model(len(SRC.vocab), len(TGT.vocab), N=6)
model = model.to(device)
criterion = LabelSmoothing(size=len(TGT.vocab), padding_idx=pad_idx, smoothing=0.1)
criterion = criterion.to(device)
BATCH_SIZE = 12000
train_iter = MyIterator(train, batch_size=BATCH_SIZE, device = torch.device('cuda'),
                        repeat=False, sort_key=lambda x: (len(x.src), len(x.trg)),
                        batch_size_fn=batch_size_fn, train=True)
valid_iter = MyIterator(val, batch_size=BATCH_SIZE, device = torch.device('cuda'),
                        repeat=False, sort_key=lambda x: (len(x.src), len(x.trg)),
                        batch_size_fn=batch_size_fn, train=False)