PyTorch 运行时错误：参数 #1 的张量'self'在 CPU 上，但预计它们在 GPU 上

Question

我将PyTorch用于我的Logistic Regression模型，但每当我运行模型摘要时，我都会收到错误

RuntimeError："out"的张量在CPU上，参数#1"self"的张量位于CPU上，但希望它们在GPU上(检查addmm的参数时)

代码

# Convert data to tensors
X_train = torch.Tensor(X_train)
y_train = torch.LongTensor(y_train)
X_test = torch.Tensor(X_test)
y_test = torch.LongTensor(y_test)
class LogisticRegression(nn.Module):
def __init__(self, input_features, num_classes):
super(LogisticRegression, self).__init__()
self.fc1 = nn.Linear(input_dim, num_classes)

def forward(self, x_in, apply_softmax = False):
y_pred = self.fc1(x_in)
if apply_softmax:
y_pred = F.softmax(y_pred, dim = 1)
return y_pred
INPUT_DIM = X_train.shape[1]
NUM_CLASSES = len(y_train.unique())
model = LogisticRegression(input_features = INPUT_DIM, num_classes = NUM_CLASSES)
print(model.named_parameters)
summary(model, input_size=(INPUT_DIM,))

我的方法没有按预期工作，我该如何解决问题？

Answer 1

我也有同样的错误。

RuntimeError："out"的张量在CPU上，参数#1"self"的张量位于CPU上，但希望它们在GPU上(检查addmm的参数时)

确保模型及其权重在GPU上有帮助：

model.to(device)

定义设备的位置：

device = "cuda" if torch.cuda.is_available() else "cpu"
print(f"Using {device} device")

Answer 2

如果您使用的是笔记本，那么您很可能混淆了变量。因为input_dim没有在您的代码段中定义，但可能以前在您的范围中。

假设使用torchsummary中的summary，则不需要数据来推断模型的结构，只需要输入形状。以下将起作用：

class LogisticRegression(nn.Module):
def __init__(self, input_features, num_classes):
super(LogisticRegression, self).__init__()
self.fc1 = nn.Linear(input_features, num_classes) # <- was input_dim

def forward(self, x_in, apply_softmax = False):
y_pred = self.fc1(x_in)
if apply_softmax:
y_pred = F.softmax(y_pred, dim = 1)
return y_pred
INPUT_DIM = 10
NUM_CLASSES = 100
model = LogisticRegression(input_features=INPUT_DIM, num_classes=NUM_CLASSES)
summary(model, input_size=(INPUT_DIM,))