Python 应为后端CPU的对象，但为参数#2'获取了后端CUDA；来源'；

我尝试过其他答案，但错误没有消除。与我得到的另一个问题不同的是，错误中使用的最后一个术语是“source”，我在任何问题中都没有找到它。如果可能，请解释术语“来源””的错误。在没有CPU的情况下运行代码可以正常工作

我正在使用启用GPU的Google Colab

导入火炬
从火炬进口
将syft作为sy导入
挂钩=同步火炬挂钩（火炬）
device=torch.device（“cuda”如果torch.cuda.is_可用（）否则为“cpu”）
模型=nn.顺序（nn.线性（784256），
nn.ReLU（），
nn.线性（256128），
nn.ReLU（），
nn.线性（128,64），
nn.ReLU（），
nn.线性（64,10），
nn.LogSoftmax（尺寸=1））
模型=模型到（设备）

输出：

---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-42-136ec343040a> in <module>()
      8                      nn.LogSoftmax(dim = 1))
      9 
---> 10 model = model.to(device)

3 frames
/usr/local/lib/python3.6/dist-packages/syft/frameworks/torch/hook/hook.py in data(self, new_data)
    368 
    369                 with torch.no_grad():
--> 370                     self.set_(new_data)
    371             return self
    372 

RuntimeError: Expected object of backend CPU but got backend CUDA for argument #2 'source'

---------------------------------------------------------------------------
运行时错误回溯（上次最近调用）
在（）
8 nn.LogSoftmax（尺寸=1））
9
--->10型号=型号至（设备）
3帧
/数据中的usr/local/lib/python3.6/dist-packages/syft/frameworks/torch/hook/hook.py（self，new_数据）
368
369带火炬。无梯度（）
-->370自我设置（新数据）
371回归自我
372
RuntimeError:应为后端CPU的对象，但为参数#2“源”获取了后端CUDA

此问题与

PySyft

有关。如图所示，电流将设置为：

导入火炬
torch.set\U default\U tensor\U类型（torch.cuda.FLOTTENSOR）

就在导入火炬之后

代码：

导入火炬
从火炬进口
torch.set_default_tensor_type（torch.cuda.FloatTensor）#非常感谢！现在它开始工作了。花了4个小时在我的代码中找到问题。@RavikantSingh我们都遇到过：）
cuda
Sequential(
  (0): Linear(in_features=784, out_features=256, bias=True)
  (1): ReLU()
  (2): Linear(in_features=256, out_features=128, bias=True)
  (3): ReLU()
  (4): Linear(in_features=128, out_features=64, bias=True)
  (5): ReLU()
  (6): Linear(in_features=64, out_features=10, bias=True)
  (7): LogSoftmax()
)