This：
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model.to(device)
for data in dataloader:
inputs, labels = data
outputs = model(inputs)
给出错误：
运行时错误：输入类型(割炬。FloatTensor(和权重类型(torch.cuda.FloatTensor(应该相同
您收到此错误是因为您的模型位于 GPU 上，但您的数据位于 CPU 上。因此，您需要将输入张量发送到 GPU。
inputs, labels = data # this is what you had
inputs, labels = inputs.cuda(), labels.cuda() # add this line
或者像这样，与代码的其余部分保持一致：
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
inputs, labels = inputs.to(device), labels.to(device)
如果您的输入张量位于 GPU 上，但您的模型权重不在，则会引发相同的错误。在这种情况下，您需要将模型权重发送到 GPU。
model = MyModel()
if torch.cuda.is_available():
model.cuda()
请参阅文档以了解cuda()及其相反的cpu()。
新的 API 将使用.to()方法。
优势是显而易见和重要的。 您的设备明天可能不是"cuda"：
- 中央处理器
- 库达
- 姆克尔德恩
- OpenGL
- OpenCL
- 伊迪普
- 臀部
- MSNPU
- 西拉
所以尽量避免model.cuda()检查设备没有错
dev = torch.device("cuda") if torch.cuda.is_available() else torch.device("cpu")
或者对其进行硬编码：
dev=torch.device("cuda")
同：
dev="cuda"
通常，您可以使用以下代码：
model.to(dev)
data = data.to(dev)
正如前面的答案中已经提到的，问题可能是您的模型是在 GPU 上训练的，但它是在 CPU 上测试的。如果是这种情况，那么您需要将模型的权重和数据从 GPU 移植到 CPU，如下所示：
device = args.device # "cuda" / "cpu"
if "cuda" in device and not torch.cuda.is_available():
device = "cpu"
data = data.to(device)
model.to(device)
注意：在这里，我们仍然检查配置参数是否设置为 GPU 或 CPU，以便这段代码可用于训练(在 GPU 上(和测试(在 CPU 上(。
加载模型时，权重和输入必须位于同一设备中，我们可以通过使用其他人指出的.to(device)来做到这一点。
但是，保存的权重和输入张量的数据类型也可能不同。如果是这种情况，那么我们还必须更改模型权重和输入的数据类型：
model = torch.load(PATH).type(torch.FloatTensor).to(device)
input = input.type(torch.FloatTensor).to(device)
请注意(来自 pytorch 文档(：
如果 self 张量已经具有正确的 torch.dtype 和 torch.device，则返回 self。否则，返回的张量是具有所需 torch.dtype 和 torch.device 的 self 副本。
也就是说，您可能需要执行以下操作：
model = model.to("cuda")
data = data.to("cuda")
而不仅仅是：
model.to("cuda")
data.to("cuda")
使用第一种方法，您将处于安全的一面。
* when you get this error::RuntimeError: Input type
(torch.FloatTensor) and weight type (torch.cuda.FloatTensor should
be the same
# Move tensors to GPU is CUDA is available
# Check if CUDA is available
train_on_gpu = torch.cuda.is_available()
If train_on_gpu:
print("CUDA is available! Training on GPU...")
else:
print("CUDA is not available. Training on CPU...")
-------------------
# Move tensors to GPU is CUDA is available
if train_on_gpu:
model.cuda()
首先检查 cuda 是否可用：
if torch.cuda.is_available():
device = 'cuda'
else:
device = 'cpu'
如果您想加载某些模型，请执行以下操作：
checkpoint = torch.load('./generator_release.pth', map_location=device)
G = Generator().to(device)
现在您可能会收到此错误：
运行时错误：输入类型(割炬。FloatTensor(和权重类型(torch.cuda.FloatTensor(应该相同
需要通过以下方式将输入数据类型从torch.tensor转换为torch.cuda.tensor：
if torch.cuda.is_available():
data = data.cuda()
result = G(data)
然后将结果从torch.cuda.tensor转换为torch.tensor：
if torch.cuda.is_available():
result = result.cpu()
x = x.to(device, dtype=torch.float32)
y = y.to(device, dtype=torch.float32)
工作，完全没问题...