RuntimeError: Ожидаемый объект типа torch.FloatTensor, но найден тип torch.cuda.DoubleTensor для аргумента # 2 'weight'

Question

Я пытался переучить модель, но, к сожалению, последние 2 дня я получаю ту же ошибку.

Не могли бы вы немного помочь с этим?

Начальная работа:

%matplotlib inline
%config InlineBackend.figure_format = 'retina'

import matplotlib.pyplot as plt
import numpy as np
import time

import torch
from torch import nn
from torch import optim
import torch.nn.functional as F
from torch.autograd import Variable
from torchvision import datasets, transforms
import torchvision.models as models
from collections import OrderedDict

Datasets:

data_dir = 'flowers'
train_dir = data_dir + '/train'

data_dir = 'flowers'

train_transforms = transforms.Compose([transforms.Resize(224),
                                       transforms.RandomResizedCrop(224),
                                       transforms.RandomRotation(45),
                                       transforms.RandomHorizontalFlip(),
                                       transforms.ToTensor(),
                                       transforms.Normalize([0.485, 0.456, 0.406], 
                                                            [0.229, 0.224, 0.225])])


train_data = datasets.ImageFolder(train_dir, transform=train_transforms)

trainloader = torch.utils.data.DataLoader(train_data, batch_size=32, shuffle=True)

import json

with open('cat_to_name.json', 'r') as f:
    cat_to_name = json.load(f)

Пытался использовать предварительно обученную модель и обучать только классификатору:

# Load a pretrained model
model = models.vgg16(pretrained=True)

# Keep the parameters the same
for param in model.parameters():
    param.requires_grad = False


# and final output 102, since tht we have 102 flowers. 
classifier = nn.Sequential(OrderedDict([            
                          ('fc1', nn.Linear(25088, 4096)), 
                          ('relu', nn.ReLU()),
                          ('fc3', nn.Linear(4096, 102)),
                          ('output', nn.LogSoftmax(dim=1))
                          ]))

# Replace model's old classifier with the new classifier
model.classifier = classifier

# Calculate the loss
criterion = nn.NLLLoss()
optimizer = optim.Adam(model.classifier.parameters(), lr=0.001)

model.to('cuda')

epochs = 1
print_every = 40
steps = 0

for e in range(epochs):
    running_loss = 0
    model.train()
   # model = model.double()
    for images, labels in iter(trainloader):
        steps += 1

        images.resize_(32, 3, 224, 224)          

        inputs = Variable(images.to('cuda'))
        targets = Variable(labels.to('cuda'))

        optimizer.zero_grad()

        # Forward and backward passes
        output = model.forward(images)
        loss = criterion(output, labels)
        loss.backward()
        optimizer.step()

        #running_loss += loss.data[0]
        running_loss += loss.item()

        if steps % print_every == 0:
            print("Epoch: {}/{}... ".format(e+1, epochs),
                  "Loss: {:.4f}".format(running_loss/print_every))

Сообщение об ошибке:

RuntimeError: Ожидаемый объект типа torch.FloatTensor, но найденный тип torch.cuda.DoubleTensor для аргумента # 2 weight

Answer 1

---

вы должны были передать входные данные в сеть с прямой связью, но вы передали изображения в сеть

---

# Forward and backward passes
output = model.forward(inputs)

Answer 2

1. Если вы хотите работать с gpu в pyTorch, вы должны убедиться, что оба поток операций (который является вашей моделью) и данные передаются на устройство cuda. ​​

2. Под этим ( 1 ) я подразумеваю весь рабочий процесс , включая pre-trained model, criterion, classifier и inputs должны быть присвоены устройству cuda. ​​

3. Если (2) не гарантируется просто с помощью model.cuda(), может потребоваться выполнить это вручную для всех объектов, чтобы гарантировал как внутренние веса, так и входные данные. -данные имеют тип cuda float .

надеюсь, это поможет.