使用Ray搭配PyTorch时无法将config多值参数传入模型如何解决

这个报错是因为你将Ray Tune的搜索空间占位符（即tune.choice返回的对象）直接传给了PyTorch层的尺寸参数，而非Ray Tune采样后的实际整数值。PyTorch创建张量时需要接收整数作为尺寸参数，占位符对象无法被正确解析，因此触发empty()参数类型错误。

• 1. 调整train函数的参数定义，确保第一个位置参数用于接收Ray Tune每次试验采样后的超参数配置：

# 修改train函数的参数顺序，第一个参数预留为Ray Tune传入的采样后config
def train(self, config, tracking_uri: str, task_name: str, ...其他原有参数):

• 2. 将模型实例化的逻辑全部迁移到train函数内部，初始化模型时必须使用传入的采样后config的取值，禁止使用原来定义的带tune.choice的self.config：

def train(self, config, tracking_uri: str, task_name: str, ...其他原有参数):
    # 示例：用采样后的config初始化模型，不要使用self.config
    model = YourLightningModule(
        cnn_fc_linear=config["cnn_fc_linear"],
        fcn_n_filters=config["fcn_n_filters"],
        fcn_fc_linear=config["fcn_fc_linear"],
        # 其他原有模型参数
        learning_rate=learning_rate,
        weight_decay=weight_decay
    )
    # 后续训练逻辑
    trainer = pl.Trainer(...)
    trainer.fit(model)

• 3. 检查模型内部逻辑，确认所有层的尺寸参数均为从config中取出的整数值，没有额外的错误类型转换。

你原有tune_asha函数中的tune.run相关逻辑不需要修改，只要调整train函数和模型初始化逻辑即可解决报错。

内容的提问来源于stack exchange，提问作者Zahra Salarian