RuntimeError : 입력 유형 (torch.FloatTensor)과 가중치 유형 (torch.cuda.FloatTensor)이 같아야합니다.

다음과 같이 다음 CNN을 훈련하려고하지만 .cuda ()와 관련하여 동일한 오류가 계속 발생하며 수정 방법을 잘 모르겠습니다. 지금까지 내 코드 덩어리가 있습니다.

import matplotlib.pyplot as plt
import numpy as np
import torch
from torch import nn
from torch import optim
import torch.nn.functional as F
import torchvision
from torchvision import datasets, transforms, models
from torch.utils.data.sampler import SubsetRandomSampler


data_dir = "/home/ubuntu/ML2/ExamII/train2/"
valid_size = .2

# Normalize the test and train sets with torchvision
train_transforms = transforms.Compose([transforms.Resize(224),
                                           transforms.ToTensor(),
                                           ])

test_transforms = transforms.Compose([transforms.Resize(224),
                                          transforms.ToTensor(),
                                          ])

# ImageFolder class to load the train and test images
train_data = datasets.ImageFolder(data_dir, transform=train_transforms)
test_data = datasets.ImageFolder(data_dir, transform=test_transforms)


# Number of train images
num_train = len(train_data)
indices = list(range(num_train))
# Split = 20% of train images
split = int(np.floor(valid_size * num_train))
# Shuffle indices of train images
np.random.shuffle(indices)
# Subset indices for test and train
train_idx, test_idx = indices[split:], indices[:split]
# Samples elements randomly from a given list of indices
train_sampler = SubsetRandomSampler(train_idx)
test_sampler = SubsetRandomSampler(test_idx)
# Batch and load the images
trainloader = torch.utils.data.DataLoader(train_data, sampler=train_sampler, batch_size=1)
testloader = torch.utils.data.DataLoader(test_data, sampler=test_sampler, batch_size=1)


#print(trainloader.dataset.classes)

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = models.resnet50(pretrained=True)

model.fc = nn.Sequential(nn.Linear(2048, 512),
                                 nn.ReLU(),
                                 nn.Dropout(0.2),
                                 nn.Linear(512, 10),
                                 nn.LogSigmoid())
                                 # nn.LogSoftmax(dim=1))
# criterion = nn.NLLLoss()
criterion = nn.BCELoss()
optimizer = optim.Adam(model.fc.parameters(), lr=0.003)
model.to(device)

#Train the network
for epoch in range(2):  # loop over the dataset multiple times

    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        # get the inputs; data is a list of [inputs, labels]
        inputs, labels = data

        # zero the parameter gradients
        optimizer.zero_grad()

        # forward + backward + optimize
        outputs = model(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        # print statistics
        running_loss += loss.item()
        if i % 2000 == 1999:    # print every 2000 mini-batches
            print('[%d, %5d] loss: %.3f' %
                  (epoch + 1, i + 1, running_loss / 2000))
            running_loss = 0.0

print('Finished Training')

그러나 콘솔 에서이 오류가 계속 발생합니다.

RuntimeError : 입력 유형 (torch.FloatTensor)과 가중치 유형 (torch.cuda.FloatTensor)이 동일해야합니다.

그것을 고치는 방법에 대한 생각? 모델이 GPU로 푸시되지 않았지만 어떻게 수정 해야할지 모르겠습니다. 감사!

모델이 GPU에 있지만 데이터가 CPU에 있기 때문에이 오류가 발생합니다. 따라서 입력 텐서를 CUDA로 보내야합니다.

inputs, labels = data
inputs, labels = inputs.cuda(), labels.cuda() # add this line

또는 다음과 같이 나머지 코드와 일관성을 유지하십시오.

inputs, labels = inputs.to(device), labels.to(device)

같은 오류 데이터가 CUDA에 있지만 모델이 아닌 경우 메시지가 나타납니다. 이 경우 모델을 CUDA로 보내야합니다.

model = MyModel()

if torch.cuda.is_available():
    model.cuda()