我在torch上运行一个BERT模型。这是一个多类别的情感分类任务，大约有30,000行。我已经把所有的东西都放在cuda上了，但是我不确定为什么我会得到下面的运行时错误。(Weighted): {val_f1}')
RuntimeErrorreturn torch.embedding(weight, input, padding_idx, scale_grad_by_freq,
浏览 489提问于2020-11-19得票数 15
我得到"RuntimeError:输入、输出和索引必须在当前设备上“。当我运行这条线时。Fill_mask(“汽车。”)
我在Colab上运行它。请让我知道我做错了什么，或者我必须做什么才能消除这个错误。
浏览 21提问于2021-05-12得票数 0
回答已采纳
我使用Pytorch分布式数据并行方法，并生成多个进程，每个进程运行在不同的GPU.I上。我使用Pytorch分布式数据采样器和数据加载器将批量输入数据加载到每个进程。为了简单起见，假设我们有4个GPU，以及400个输入样本，批次大小为50，那么Pytorch分布式数据采样器(连同数据加载器)是否会使前50个样本转到GPU-0，下50个到GPU -1，下一个50到GPU-2，然后再到GPU-3，然后再再是50到GPU-0，即按GPU设备数量的顺序？还是GPU的顺序来随机
浏览 2提问于2021-09-28得票数 0
2回答
当我想将模型放到GPU上时，我会得到以下错误：for m in model.parameters():if torch.cuda.is_available():
浏览 3提问于2019-09-25得票数 8
回答已采纳
2回答
不能将GPU与火炬一起使用
、、、、
我一直在尝试使用Py手电筒时出现这个错误。
RuntimeError:试图在CUDA设备上反序列化对象，但是torch.cuda.is_available()是假的。如果您在一台只运行CPU的机器上运行，请使用torch.load和map_location=torch.device(“CPU”)将您的存储映射到CPU。我使用conda install pytorch torchvision cudatoolkit=10.1 -c pytorc
浏览 3提问于2019-12-27得票数 3
尽管我尽了最大的努力，遇到了torch.jit.trace，但我还是没能运行RuntimeError: Input, output and indices must be on the currentdevice(Pdb) {p.device for p in self.parameters()}
{d
浏览 19提问于2022-01-21得票数 2
回答已采纳
在通过pytorch对resnet50模型进行培训时，我得到了以下错误：
使用此数据集
浏览 0提问于2019-03-07得票数 0
回答已采纳
=self.forward(*输入，**kwargs)返回F.binary_cross_entropy(输入、目标、weight=self.weight、reduction=self.reduction)文件行2526，在
binary_cross_en
浏览 7提问于2021-03-03得票数 1
据我所知，内置的PyTorch操作都通过隐式矢量化自动处理批处理，允许跨多个GPU并行。运行在单个GPU上的我目前(效率不高)循环处理批处理中的每个元素，为每个元素执行内核启动，就像这样(在浏览器中编写，只是为了演示)： }
}当然，
浏览 1提问于2018-07-18得票数 37
回答已采纳
我一直致力于在GPU中训练我的PyTorch模型。不过，该模型在CPU中工作得很好。我一直在使用谷歌Colab的GPU资源来使用cuda。我知道，为了在GPU中运行一个模型，“模型”、“输入功能”和“目标”需要在“cuda”设备中。但是，无论我在代码中做了什么，我要么一直得到错误：
RuntimeError: Input and hidden tensors are not at the same device, f
浏览 23提问于2022-03-14得票数 0
2回答
我有一个问题，如何重新加载不同批量大小的pytorch模型。在训练中，我的批处理大小是64，但在推断中，我希望批处理大小是1(逐个输入数据)。这是我用来保存和恢复模型的代码：在运行推理模型时，我得到了这个错误：
RuntimeError: size mismatch, m1: [37 x 1], m2: [37 x 64]
浏览 0提问于2018-09-20得票数 4
1回答
我在PyTorch上的代码实现的代码片段是：classifier = nn.Sequential( nn.Dropout(),)我提供输入大小当我从Linux (Ubuntu)终端运行代码( PyTorch版本: 1.0.0，火
浏览 0提问于2019-03-13得票数 2
回答已采纳
我试图在一个简单的0,1标记数据集上在PyTorch中执行Logistic回归。标准或损失定义为：criterion = nn.CrossEntropyLoss()。然后，我将输入的第一个元素转换为张量：tensor_input = torch.Tensor([dat[0]])。它给出和错误：RuntimeError: Dimension out of range (expected to be in range of [-1, 0], but got 1)
impor
浏览 1提问于2018-12-26得票数 11
使用虚拟数据(每个值为1.0的3x224x224数组)，我已经验证了PyTorch模型、ONNX模型(使用Caffe后端运行)和CoreML模型(使用coremltools)都得到了相同的结果。但是，当我将相同的模型导入Xcode并在电话上运行时，即使使用虚拟数据，模型输出也不匹配。
我使用的设备似乎没有什么不同(我已经在iPhones上试过了，从XS一直到SE)。thisConvOutput = try convModel.prediction(_0: pixelML
浏览 1提问于2019-04-30得票数 2
回答已采纳
2回答
为了得到一个包含D-dimensional正定矩阵C (在我的例子中是多元高斯微分熵)的行列式的可微项，我可以使用：
torch.log2(torch.potrf(C).diag()).sum() +我想在一小批矩阵上调用potrf，这样在形状(N, D, D)的张量上调用potrf就会产生N不同的Cholesky分解。是否有可能在GPU上与PyTorch并行启动Cholesky分解？
浏览 2提问于2018-07-10得票数 1
回答已采纳
1回答
我正在考虑使用一个经过预先训练的转换器模型来实现这一点，就像我们想做段落或文本摘要时一样，除了在本例中，我切换了输出值和输入值。我试过使用t5-base，在Google上运行它，并且使用真正最小的数据，比如10行数据，其想法是看看它是否工作，而不管输出结果如何。但我总是会犯以下错误：
RuntimeError:库达没记忆了。尝试分配502.00 MiB (GPU 0；11.17 GiB总容量；10.29 GiB已分配；237.81 MiB空闲；10.
浏览 2提问于2021-09-02得票数 0
我正在尝试使用pytorch训练一个DNN模型，并且我想使用GPU来训练我的模型。我可以使用model.to(device)成功地将我的模型复制到图形处理器，其中device = cuda:0。但是，将输入复制到图形处理器的标准方法(RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same)，即X.to(device)和X.cuda()并不能提供所需的输出
浏览 45提问于2021-11-20得票数 0
回答已采纳
例如，如果我想解决MNIST分类问题，我们有10个输出类。在PyTorch中，我想使用torch.nn.CrossEntropyLoss函数。我是否必须格式化目标以便它们是一次性编码的，或者我可以简单地使用数据集附带的它们的类标签？
浏览 839提问于2020-06-19得票数 10
回答已采纳
我正在尝试使用输出公交路线的RNN模型，其输入是需求矩阵。然后在模拟中使用公交车路线，该模拟给出了路线执行情况的度量。问题是，由于公交路线没有目标值，我如何反向传播模拟结果？
浏览 0提问于2019-11-04得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
