PyTorch - RuntimeError：后端 CPU 的预期对象，但为参数 #2 'weight' 获得了后端 CUDA答案

【问题标题】：PyTorch - RuntimeError: Expected object of backend CPU but got backend CUDA for argument #2 'weight'PyTorch - RuntimeError：后端 CPU 的预期对象，但为参数 #2 'weight' 获得了后端 CUDA
【发布时间】：2019-09-22 18:52:10
【问题描述】：

我加载了我之前训练的模型，并希望通过此模型对磁盘中的单个（测试）图像进行分类。我的模型中的所有操作都是在我的 GPU 上进行的。因此，我通过调用cuda() 函数将测试图像的numpy array 移动到GPU。当我用测试图像的numpy array 调用模型的forward() 函数时，我得到RuntimeError: Expected object of backend CPU but got backend CUDA for argument #2 'weight'。

这是我用来从磁盘加载图像并调用forward() 函数的代码：

test_img = imageio.imread('C:\\Users\\talha\\Desktop\\dog.png')
test_img = imresize(test_img, (28, 28))
test_tensor = torch.from_numpy(test_img)
test_tensor = test_tensor.cuda()
test_tensor = test_tensor.type(torch.FloatTensor)
log_results = model.forward(test_tensor)

软件环境：

火炬：1.0.1

GPU：Nvidia GeForce GTX 1070

操作系统：Windows 10 64-bit

Python：3.7.1

【问题讨论】：

Domodel.cuda() 确保模型在 GPU 上。看来模型没有GPU
不，它不起作用。 @UmangGupta

标签： neural-network deep-learning conv-neural-network pytorch torch

【解决方案1】：

在通过 GPU 发送之前转换为 FloatTensor。

所以，操作的顺序是：

test_tensor = torch.from_numpy(test_img)

# Convert to FloatTensor first
test_tensor = test_tensor.type(torch.FloatTensor)

# Then call cuda() on test_tensor
test_tensor = test_tensor.cuda()

log_results = model.forward(test_tensor)

【讨论】：

感谢您的解决方案。你能解释一下为什么这个顺序很关键吗？
我不太确定，但我怀疑这是因为所有类型转换操作（在这种情况下为FloatTensor）都发生在 CPU 上。因此，张量被带回 CPU 进行转换。
好的。我现在对张量类型有了更好的理解。您的数据需要是 torch.cuda.FloatTensor 的实例，才能在 GPU 上进行训练。当您编写 test_tensor.type(torch.FloatTensor) 时，张量将转换为 torch.FloatTensor，这与 GPU 上的模型不兼容。所以，除了上面的方法，你也可以把test_tensor.type(torch.FloatTensor)改成test_tensor.type(torch.cuda.FloatTensor)。