Pytorch 为优化器加载状态dict时Pytork/设备问题（cpu、gpu）

嗨，我是从去年夏天开始学习pytorch的学生

state = torch.load('drive/My Drive/MODEL/4 CBAM classifier55')

model = MyResNet()
model.load_state_dict(state['state_dict'])

criterion = nn.CrossEntropyLoss()

optimizer = optim.Adam(model.parameters(), lr=0.0003,betas=(0.5,0.999))
optimizer.load_state_dict(state['optimizer'])

model.to(device)

我写了上面这样的代码

RuntimeError                              Traceback (most recent call last)
<ipython-input-26-507493db387a> in <module>()
     56     new_loss.backward()
     57 
---> 58     optimizer.step()
     59 
     60     running_loss += loss.item()

/usr/local/lib/python3.6/dist-packages/torch/autograd/grad_mode.py in decorate_context(*args, **kwargs)
     13         def decorate_context(*args, **kwargs):
     14             with self:
---> 15                 return func(*args, **kwargs)
     16         return decorate_context
     17 

/usr/local/lib/python3.6/dist-packages/torch/optim/adam.py in step(self, closure)
     97 
     98                 # Decay the first and second moment running average coefficient
---> 99                 exp_avg.mul_(beta1).add_(grad, alpha=1 - beta1)
    100                 exp_avg_sq.mul_(beta2).addcmul_(grad, grad, value=1 - beta2)
    101                 if amsgrad:

RuntimeError: expected device cpu but got device cuda:0

运行时错误回溯（最近一次调用）
在（）
56新的_损失向后（）
57
--->58优化器。步骤（）
59
60运行损耗+=损耗项（）
/装饰上下文中的usr/local/lib/python3.6/dist-packages/torch/autograd/grad_mode.py（*args，**kwargs）
13定义上下文（*args，**kwargs）：
14与自我：
--->15返回函数（*args，**kwargs）
16返回上下文
17
/步骤中的usr/local/lib/python3.6/dist-packages/torch/optim/adam.py（self，closure）
97
98#衰减第一和第二时刻运行平均系数
--->99 exp_avg.mul（beta1）.add（梯度，alpha=1-beta1）
100 exp_avg_sq.mul（beta2）。addcmul（梯度，梯度，值=1-beta2）
101如果amsgrad：
运行时错误：应为设备cpu，但获得设备cuda:0

---

当我实现训练代码时，我得到了这种错误。当我注释掉“optimizer.load\u state\u dict”时，它工作得很好。我怎样才能解决这个问题？谢谢你的回答。：）

似乎是

状态

在您保存时处于启用状态，现在尝试在

cpu

上使用它，反之亦然。为了避免此错误，一种简单的方法是将

map\u location

参数传递给load

---

只需在

火炬中传递
map\u location=
。另外，请参见当您保存时，似乎
状态
在
cuda
上，现在尝试在
cpu
上使用它，反之亦然。为了避免此错误，一种简单的方法是将
map\u location
参数传递给load

只需在
火炬中传递
map\u location=
。另外，请参见state=torch.load（'drive/My drive/MODEL/4 CBAM classifier55'，map_location=device）我添加了这样的map_location（设备是cuda），但它不起作用。出现相同的错误消息：（有没有办法检查我保存型号的位置（cpu或gpu）？我将'model.的位置更改为（设备）“在声明优化器之前，它是有效的！谢谢你的帮助。嗯！我很高兴它起了作用。一般来说，首先将模型移动到设备，然后声明优化器是一个好主意。这避免了优化器与cpu上的某些部分和gpu上的某些部分混淆的问题。state=torch.load（'drive/My drive/MODEL/4 CBAM classifier55'，map_location=device）我像这样添加了map_location（设备是cuda），但它不起作用。出现相同的错误消息。：（有没有办法检查我保存模型的位置（cpu或gpu）？我将'MODEL.to（device）的位置更改为“在声明优化器之前，它是有效的！谢谢你的帮助。嗯！我很高兴它起作用了。一般来说，首先将模型移动到设备，然后声明优化器是一个好主意。这避免了优化器与cpu上的某些部分和gpu上的某些部分混淆的问题。