Pytorch 解決自定義子Module .cuda() tensor失敗的問題

更新時間：2020年06月23日 10:36:15 作者：kiwi_Fung

這篇文章主要介紹了Pytorch 解決自定義子Module .cuda() tensor失敗的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

最近在剛從tensorflow轉(zhuǎn)入pytorch，對于自定義的nn.Module 碰到了個問題，即使把模組 modle=Model().cuda()，里面的子Module的parameter都沒有被放入cuda，導致輸入是torch.cuda.FloatTensor，但是比如CNN的weight卻還是torch.FloatTensor

（當然最粗暴的方法就是直接在子模組里面都用了 .cuda()

但是問題并不在那，可能是調(diào)用子模組的時候，存在某些錯誤，導致父模組沒有把子模組的parameter注冊到pytorch中。

而我遇到的錯誤就是，使用list來存放子模組的對象，導致list中的parameter沒有注冊。

解決方案就是使用nn.ModuleList()這個封裝的函數(shù) 來替換list() / []

參考這里

補充知識：關(guān)于Pytorch框架下報錯CUDA驅(qū)動版本不滿足CUDA運行版本——一種可能的原因及解決辦法

運行Pytorch代碼的時候遇到：

RuntimeError: cuda runtime error (35) : CUDA driver version is insufficient for CUDA runtime version at /pytorch/aten/src/THC/THCGeneral.cpp:74

可能原因：每一個pytorch版本都有對應的cuda版本，可能是在安裝pytorch的時候，選擇的pytorch版本所對應的版本cuda版本與本機所安裝的cuda版本不相符。

check步驟：

#查看pytorch版本

import torch

torch.__version__

#查看pytorch版本對應的cuda版本

torch.version.cuda

#查看cuda是否可用

torch.cuda.is_available()

#查看Linux server安裝的cuda版本

#切換到/usr/local/cuda/samples/1_Utilities/deviceQuery然后運行

./deviceQuery

出現(xiàn)類似以下信息：

./deviceQuery Starting...
 CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)

Device 0: "GeForce GTX TITAN Black"
 CUDA Driver Version / Runtime Version  8.0 / 8.0
 CUDA Capability Major/Minor version number: 3.5
 Total amount of global memory:   6080 MBytes (6375407616 bytes)
 (15) Multiprocessors, (192) CUDA Cores/MP: 2880 CUDA Cores
 GPU Max Clock rate:    1072 MHz (1.07 GHz)
 Memory Clock rate:    3500 Mhz
 Memory Bus Width:    384-bit
 L2 Cache Size:     1572864 bytes
 Maximum Texture Dimension Size (x,y,z)  1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
 Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
 Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
 Total amount of constant memory:  65536 bytes
 Total amount of shared memory per block: 49152 bytes
 Total number of registers available per block: 65536
 Warp size:     32
 Maximum number of threads per multiprocessor: 2048
 Maximum number of threads per block:  1024
 Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
 Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
 Maximum memory pitch:    2147483647 bytes
 Texture alignment:    512 bytes
 Concurrent copy and kernel execution:  Yes with 1 copy engine(s)
 Run time limit on kernels:   No
 Integrated GPU sharing Host Memory:  No
 Support host page-locked memory mapping: Yes
 Alignment requirement for Surfaces:  Yes
 Device has ECC support:   Disabled
 Device supports Unified Addressing (UVA): Yes
 Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
 Compute Mode:
 < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce GTX TITAN Black
Result = PASS

比對前后兩個cuda版本是否一致，如果不一致，就需要卸載并安裝與本機cuda版本相同的pytorch（當然應該也可以改本機的cuda版本，只不過相對比較麻煩）