pytorch中未将输入张量移动到GPU
运行代码时,我得到错误信息: 输入和参数张量不在同一设备上,在cpu上发现输入张量,在cuda上发现参数张量:0 即使我在输入中使用了.cuda() 代码:pytorch中未将输入张量移动到GPU,pytorch,Pytorch,运行代码时,我得到错误信息: 输入和参数张量不在同一设备上,在cpu上发现输入张量,在cuda上发现参数张量:0 即使我在输入中使用了.cuda() 代码: cuda()方法返回右侧gpu上的张量,因此需要将其分配回输入变量: lstmInput,label=lstimInput.cuda(),label.cuda() 机器中安装了哪些硬件?在同一台计算机上同时安装了Tesla卡和Nvidia图形卡的计算机上,可以获得该消息。@Strom我正在Macbook上的Google Colab笔记本上
cuda()
方法返回右侧gpu上的张量,因此需要将其分配回输入变量:
lstmInput,label=lstimInput.cuda(),label.cuda()
机器中安装了哪些硬件?在同一台计算机上同时安装了Tesla卡和Nvidia图形卡的计算机上,可以获得该消息。@Strom我正在Macbook上的Google Colab笔记本上运行此消息
use_cuda = True
if use_cuda and torch.cuda.is_available():
model.cuda()
def test():
model.eval()
avgLoss = 0
for dataPoint in range(len(testData)):
lstmInput = testData[dataPoint][0]
lstmInput = torch.Tensor(lstmInput)
lstmInput = lstmInput.view(len(testData[dataPoint][0]), 1, 5)
label = testData[dataPoint][1]
label = torch.Tensor(label)
lstmInput = Variable(lstmInput)
label = Variable(label)
if use_cuda and torch.cuda.is_available():
lstmInput.cuda()
label.cuda()
pred_label = model(lstmInput)
loss = loss_fn(label, pred_label)
avgLoss += loss.item()
return avgLoss / len(testData)
def train(num_epochs):
model.train()
for epoch in range(num_epochs):
avgLoss = 0.0
for datapoint in range(len(trainData)):
model.hidden = model.init_hidden()
optimizer.zero_grad()
lstmInput = trainData[datapoint][0]
lstmInput = torch.Tensor(lstmInput)
lstmInput = lstmInput.view(len(trainData[datapoint][0]), 1, 5)
label = torch.Tensor(trainData[datapoint][1])
label = label.view(1, 5)
lstmInput = Variable(lstmInput)
label = Variable(label)
if use_cuda and torch.cuda.is_available():
print("happens")
lstmInput.cuda()
label.cuda()
pred_label = model(lstmInput)
loss = loss_fn(pred_label, label)
# print(label, pred_label)
avgLoss += loss.item()
loss.backward()
optimizer.step()
print("Epoch: ", epoch, "MSELoss: ", avgLoss / len(trainData), "Test Acc: ", test())