Mac系统下创建PyTorch神经网络触发CUDA错误的解决求助

你触发CUDA报错的核心原因是nn.Linear(*input_dims, 256)的传参逻辑存在错误，和输入维度本身、Mac设备无CUDA硬件没有直接关联：
nn.Linear的合法位置参数仅2个必填项：in_features（输入特征的最后一维大小）、out_features（输出特征的最后一维大小），后续可选位置参数依次为bias（布尔值，是否启用偏置）、device（张量存储的设备标识）、dtype（张量数据类型）。

• 当你传入input_dims=(100,100)时，*input_dims解包为100, 100，加上后面的256，总共给nn.Linear传了3个位置参数，对应in_features=100、out_features=100、bias=256。这里256会被Python隐式转换为布尔值True，刚好符合bias参数的类型要求，所以没有触发报错（但此时你的逻辑已经不符合预期：你本来希望第一层全连接输出维度是256，实际输出维度是100）。
• 当你传入input_dims=(100,100,3)时，*input_dims解包为100,100,3，加上后面的256，总共传了4个位置参数，对应in_features=100、out_features=100、bias=3（转布尔值True）、device=256。PyTorch会把整数类型的device参数识别为cuda:256，但Mac版PyTorch默认没有编译CUDA支持，直接触发了你看到的报错。

根据你的业务需求选择对应修复方式即可：

• 如果你希望全连接层仅作用在输入的最后一维，不需要合并其他维度，直接将第一层写法改为：

nn.Linear(input_dims[-1], 256)

• 如果你希望把多维度的输入（比如(100,100,3)的三维图像特征）全部展平为一维后再喂给全连接层，参考如下修改后的代码：

import torch as T
import torch.nn as nn

def create(input_dims):
    return nn.Sequential(
                # 展平批次维度外的所有维度，比如(100,100,3)会展平为100*100*3=30000维
                nn.Flatten(),
                # 自动计算展平后的总维度作为输入特征数
                nn.Linear(T.prod(T.tensor(input_dims)).item(), 256),
                nn.ReLU(),
                nn.Linear(256, 256),
                nn.ReLU(),
                nn.Linear(256, 50),
                nn.Softmax(dim=-1)
    )

# 两种输入均可正常运行
create(input_dims=(100,100))
create(input_dims=(100,100,3))

额外提示：如果是处理图像类任务，全连接层会带来极高的参数量，更建议使用卷积层替代首层全连接层，避免维度爆炸。

内容的提问来源于stack exchange，提问作者TheDarBear