PyTorch搭建CIFAR10卷积自编码器出现RuntimeError如何解决？

报错根因 #

• 设备类型不匹配：模型已通过model.to(device)迁移到GPU，所有权重参数为torch.cuda.FloatTensor类型；但从测试集加载的img张量默认存储在CPU，为torch.FloatTensor类型，PyTorch不支持不同设备的张量直接参与卷积运算，因此触发报错。
• 代码书写错误：img.to(device)是无效操作，PyTorch中张量的.to()方法不是原地操作，必须将返回值赋值给原变量才能完成设备迁移，代码中原img变量始终停留在CPU设备。

修复方案 #

方案1：迁移输入张量到GPU #

修改设备迁移代码，将转移后的张量赋值回img：

# 替换原有的 img.to(device)
img = img.to(device)
# 后续推理可正常运行
model.encoder(img)

方案2：迁移模型到CPU推理 #

如果不需要使用GPU做推理，可将模型迁移回CPU后运行：

model = model.cpu()
# 后续推理可正常运行
model.encoder(img)

内容的提问来源于stack exchange，提问作者Arun