cuDNN 错误：CUDNN_STATUS_BAD_PARAM。有人可以解释为什么我会收到此错误以及如何纠正它？答案

【问题标题】：cuDNN error: CUDNN_STATUS_BAD_PARAM.Can someone explain why i am getting this error and how can i correct it?cuDNN 错误：CUDNN_STATUS_BAD_PARAM。有人可以解释为什么我会收到此错误以及如何纠正它？
【发布时间】：2019-03-07 11:40:00
【问题描述】：

我正在尝试使用 Pytorch 实现 Character LSTM。但我遇到了 cudnn_status_bad_params 错误。这是训练循环。我在行输出 = 模型（input_seq）上遇到错误。

for epoch in tqdm(range(epochs)):
  for i in range(len(seq)//batch_size):
   sidx = i*batch_size
   eidx = sidx + batch_size
   x = seq[sidx:eidx]
   x = torch.tensor(x).cuda()
   input_seq =torch.nn.utils.rnn.pack_padded_sequence(x,seq_lengths,batch_first = True)
   y = out_seq[sidx:eidx]
   output = model(input_seq)
   loss = criterion(output,y)
   loss.backward()
   optimizer.step()
/usr/local/lib/python3.6/dist-packages/torch/nn/modules/module.py in __call__(self, *input, **kwargs)
    487             result = self._slow_forward(*input, **kwargs)
    488         else:
--> 489             result = self.forward(*input, **kwargs)
    490         for hook in self._forward_hooks.values():
    491             hook_result = hook(self, input, result)   
/usr/local/lib/python3.6/dist-packages/torch/nn/modules/rnn.py in forward(self, input, hx)
    180         else:
    181             result = _impl(input, batch_sizes, hx, self._flat_weights, self.bias,
--> 182                            self.num_layers, self.dropout, self.training, self.bidirectional)
    183         output = result[0]
    184         hidden = result[1:] if self.mode == 'LSTM' else result[1]

 RuntimeError: cuDNN error: CUDNN_STATUS_BAD_PARAM

【问题讨论】：

标签： pytorch cudnn

【解决方案1】：

我得到了同样的错误，如果你切换到 CPU，你会得到一个更好的错误描述。就我而言，问题在于我提供给网络的输入类型。我猜是long，而模型需要float。我进行了以下更改并且代码有效。基本上切换到 cpu 可以提供更好的错误描述。

input_seq = input_seq.float().cuda()

【讨论】：

"如果你切换到CPU，你会得到一个更好的错误描述"绝对黄金

【解决方案2】：

我遇到了同样的问题，问题出在 torch==1.6 上。可以在这里找到解决方案git issue。看一看。它也可能是您的解决方案。

【讨论】：

【解决方案3】：

我遇到了同样的错误。 Here's the solution。

您应该将输入类型从float64 更改为float32，这意味着您应该输入：

input_seq = input_seq.float()

【讨论】：

这是您一年前已经发布的答案的精确副本。
对不起，如果您认为它不是来源，请指出我复制的来源！此外，我已经提到了我从哪里获得解决方案。