Pytorch 我遇到了一个问题，那就是；运行时错误：输入和隐藏张量不在同一设备上，在cuda处发现输入张量：0，在cpu处发现隐藏张量；

我猜隐藏张量是我需要在RNN开头初始化的基调。因此，我通过.cuda（）设置了h0和c0，但这并不有用。下面是我的密码。请问，谁能帮我一下

class LSTM_net(nn.Module):
def __init__(self, Embedding, vocab, label, batch):
    super(LSTM_net, self).__init__()
    self.Hidden_dim = Embedding
    self.Embedding = nn.Embedding(vocab, Embedding)  
    self.lstm = nn.LSTM(Embedding, self.Hidden_dim)  # 32 * 32
    self.hidden2label = nn.Linear(Embedding, label)
    self.hidden = self.init_hidden(batch)

def init_hidden(self, batch):  
    # the first is the hidden h
    # the second is the cell c

    if torch.cuda.is_available():
        return (autograd.Variable(torch.zeros(1, batch, self.Hidden_dim)),
                autograd.Variable(torch.zeros(1, batch, self.Hidden_dim)))
    else:
        return (autograd.Variable(torch.zeros(1, batch, self.Hidden_dim).cuda()),
                autograd.Variable(torch.zeros(1, batch, self.Hidden_dim).cuda()))

def forward(self, sentence):
    # 64 * 52
    x = self.Embedding(sentence)
    # x = 64 * 52 * 32
    x = x.permute(1, 0, 2)
    # x = 52 * 64 * 32
    lstm_y, lstm_hidden = self.lstm(x, self.hidden)
    # lstm_y = batch * 52 * 32
    # input: lstm_y[-1] = batch * 32
    y = self.hidden2label(lstm_y[-1])
    # y = batch * 5
    log_probs = F.log_softmax(y)
    return log_probs

---

起初，我认为您在将.cuda（）包装到变量中之前没有将其放入的错误如下所述：

但是，您在初始化时已正确地对其进行了转换，并将其包装到变量中。你的小错误在于你的循环。在您的if语句中，当您使用GPU时，不会激活cuda，而是在else循环中激活cuda。不管有没有GPU，它都会失败

与其纠正你的if-else，不如我建议你推荐的方法：

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

class LSTM_net(nn.Module):
    ...
    ...
    def init_hidden(self, batch):  
        return (autograd.Variable(torch.zeros(1, batch, self.Hidden_dim).to(device)),
                autograd.Variable(torch.zeros(1, batch, self.Hidden_dim).to(device)))

---

使用.to（设备）可以避免大多数设备错误。

错误可能源于代码的执行方式。您可能会遇到这个问题，因为您在一台具有GPU的机器上运行此代码，该GPU强制隐藏的张量为

cuda

tensor。但是，在主代码中执行时，如果给cpu输入张量，pytorch将引发不匹配错误。为防止出现这种情况，请按以下所述进行更改

def转发（self，句子）：
# 64 * 52
x=自嵌入（句子）
#x=64*52*32
x=x.permute（1,0,2）.cuda（）#您能否分享您正在定义
LSTM_net对象并训练模型的代码部分？这是否回答了您的问题？你能解决这个问题吗？我也犯了同样的错误。