火炬张量的 .get_device() 返回 -1 是什么意思？

Question

我正在使用 pytorch geometric 来训练图神经网络。导致这个问题的问题是以下错误：

RuntimeError：预期所有张量都在同一设备上，但发现 至少有两个设备，cpu 和 cuda:0！ （检查参数时 方法 wrapper_addmm 中的参数 mat1)

所以，我正在尝试检查张量加载到哪个设备上，当我运行

data.x.get_device()

和

data.edge_index.get_device()

时，我得到每个设备的

-1

。 -1 是什么意思？

一般来说，我对何时需要将数据传输到设备（无论是 cpu 还是 gpu）感到有点困惑，但我假设对于每个纪元，我只是在我的张量上使用 .to(device) 来添加到适当的设备。

附加上下文：

我正在运行 ubuntu 20，在安装 cuda 之前我没有看到这个问题（即，我能够在 cpu 上训练/测试模型，但只有在安装 cuda 和更新 nvidia 驱动程序后才会出现这个问题）。 我在我的系统上安装了

cuda 11.7

，带有兼容 cuda 12 的 nvidia 驱动程序（例如，cuda 12 以

nvidia-smi

列出），

torch.version.cuda

的输出是

11.7

。不管怎样，我现在只是想使用 cpu，但一旦这个设备问题得到解决，我就会使用 gpu。

Answer 1

表示数据还在CPU上

-1 表示不在任何 GPU 设备上。

要将其移动到 GPU，请使用

.to()

data.x = data.x.to(device)
data.edge_index = data.edge_index.to(device)

Answer 2

-1 表示张量在 CPU 上。当你做

.to(device)

时，你的

device

变量初始化为什么？如果您只想使用 CPU，我建议将设备初始化为

device = torch.device("cpu")

并使用

CUDA_VISIBLE_DEVICES='' python your_code.py ...

运行您的 python 代码

通常，如果您将张量传递给模型，PyTorch 期望您的张量与您的模型位于同一设备上。如果您将多个张量传递给一个方法，例如您的损失函数 ``nn.CrossEntropy()```，PyTorch 期望您的两个张量（预测和标签）位于同一设备上。