我是靠谱客的博主 无限网络，最近开发中收集的这篇文章主要介绍多GPU训练的模型，转换加载到单GPU测试或预训练多GPU训练的模型，转换加载到单GPU测试或预训练报错：RuntimeError: Attempting to deserialize object on CUDA device 3 but torch.cuda.device_count() is 1.解决方案：，觉得挺不错的，现在分享给大家，希望可以做个参考。
概述
多GPU训练的模型，转换加载到单GPU测试或预训练
报错：RuntimeError: Attempting to deserialize object on CUDA device 3 but torch.cuda.device_count() is 1.
加载的模型是3个GPU进行训练的，而你的计算机只有1个GPU
state_dict = model.state_dict()
weights_path = torch.load(opt.weights_path)['model_state_dict']
model.load_state_dict(weights_path)
解决方案：
torch.load()参数中，写入参数map_location=‘cuda:0’
state_dict = model.state_dict()
weights_path = torch.load(opt.weights_path, map_location='cuda:0')['model_state_dict']
model.load_state_dict(weights_path)
如果GPU是多块到2块：就把map_location改为：map_location={‘cuda:1’: ‘cuda:0’}。其余情况依次类推。
最后
以上就是无限网络为你收集整理的多GPU训练的模型，转换加载到单GPU测试或预训练多GPU训练的模型，转换加载到单GPU测试或预训练报错：RuntimeError: Attempting to deserialize object on CUDA device 3 but torch.cuda.device_count() is 1.解决方案：的全部内容，希望文章能够帮你解决多GPU训练的模型，转换加载到单GPU测试或预训练多GPU训练的模型，转换加载到单GPU测试或预训练报错：RuntimeError: Attempting to deserialize object on CUDA device 3 but torch.cuda.device_count() is 1.解决方案：所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复