运行AutoNovel报expected backend CPU and dtype Double错误如何解决
问题根因
从错误栈可直接定位问题出在rotationloader.py的219行调用transform做标准化的步骤:你修改后新增的数据加载逻辑读取的图像张量是Double(float64)类型,但torchvision.transforms.Normalize默认传入的均值、标准差参数是Float(float32)类型,二者类型不匹配触发报错。
低配置服务器可正常运行是因为对应环境的torch/torchvision版本更旧,旧版本会自动做隐式类型转换,新版本取消了这类隐式转换才会触发报错。你之前添加的Slurm运行脚本和该问题无关,所以不会生效。
解决方案(按优先级选择即可)
- 方案1(最省事,优先选择):在你修改的
rotationloader.py的_load_function方法中,图像转张量的步骤后添加类型转换,把图像张量转成Float类型和默认的标准化参数匹配:
找到self.transform(img0)调用的前置逻辑,在图像转张量后添加一行代码:
即可保证输入到Normalize的张量和均值、标准差类型一致。img0 = img0.float() - 方案2(不想修改数据加载逻辑可选):修改定义数据transform时的Normalize参数,把均值和标准差转成Double类型和你的图像张量匹配:
找到Normalize的定义代码,修改为如下格式:transforms.Normalize(mean=torch.tensor([0.485, 0.456, 0.406], dtype=torch.double), std=torch.tensor([0.229, 0.224, 0.225], dtype=torch.double)) - 方案3(仅全项目需要Double精度时选择):在代码入口处设置全局默认张量类型:
import torch torch.set_default_tensor_type(torch.DoubleTensor)
你之前看到的x.cuda().double()建议不适用该场景,因为报错发生在CPU侧的数据加载阶段,还没有到数据搬迁到GPU的步骤,不需要加cuda转换。
内容的提问来源于stack exchange,提问作者Chris
相关产品推荐
相关产品推荐

