pytorch如何将用GPU训练好的网络模型用到CPU中

本文参考链接地址：
1.https://blog.csdn.net/bc521bc/article/details/85623515
2.https://www.ptorch.com/news/74.html

刚开始用python 小小小菜鸟一枚，啥也不会，在GitHub上下载了代码，运行后错误百出，陷入了深深的绝望之中。无奈只好一点点的差，一点点的改。

这篇文章简单记一下：如何将用GPU训练好的网络模型用到CPU中
源代码如下：

        feature_encoder.load_state_dict(torch.load(str("./models/miniimagenet_feature_encoder_" + str(CLASS_NUM) +"way_" + str(SAMPLE_NUM_PER_CLASS) +"shot.pkl")))       

在没有GPU的电脑上运行，报错如下：

        RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location='cpu' to map your storages to the CPU.       

我做的更改如下：

        feature_encoder.load_state_dict(torch.load(str("./models/miniimagenet_feature_encoder_" + str(CLASS_NUM) +"way_" + str(SAMPLE_NUM_PER_CLASS) +"shot.pkl"),map_location=lambda storage, loc: storage))

改完后，目前还没发现其他错误。
主要是因为我也还没有运行到最后，我还得一点点再看看，希望我改对了[捂脸笑]

最后，记录下cpu和GPU间相互转换的方法：

gpu→ cpu

torch.load('parameters.pth', map_location=lambda storage, loc: storage)

cpu—>gpu 1

torch.load('parameters.pth', map_location=lambda storage, loc: storage.cuda(1))

gpu1—>gpu0

torch.load('parameters.pth', map_location={'cuda:1':'cuda:0'})

最后，同类之间，也就是cpu—>cpu或者gpu—>gpu:

checkpoint = torch.load(‘parameters.pth’)

不对的地方，还请各位大神多多指教哦！！！

最后

以上就是大胆泥猴桃为你收集整理的pytorch如何将用GPU训练好的网络模型用到CPU中的全部内容，希望文章能够帮你解决pytorch如何将用GPU训练好的网络模型用到CPU中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。