问题描述：

这类问题属于tensor关于内存的问题，就是说进行运算的tensor放在了不同的设备上。

 注意，也有其他的错误表达：

Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor)

上述表面意思是：输入类型属于在CPU上，而权重类型属于在GPU上。

解决方案：

就一句话，跟踪步骤指定设备。

比如现在我有一块代码：

main函数部分： 

运行报错：

我先在代码最上方加一句：

device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu')

然后怎么跟踪步骤呢？在红框位置单击：

你肯定会问为什么是这里？首先红框底下都是底层运算，先不会考虑这里的运算涉及到不同的设备（麻烦），而上面是先跳到main()，再到tst这个函数里面，运行到logits=model(img)这里出现的问题。

点击，修改输入参数img到GPU设备上，即

logits = model(img.to(device))

再运行，报错位置变了，说明上个位置问题解决了，但仍然报错如下：

 点击红框位置，原因类似上面，修改这一行代码为：

loss = criterion(logits, label.to(device))

 注意，这里前面的logits已经是to(device)的结果，不用再to(device)

再运行，报错位置又变了，但仍然报错如下：

应该不用我讲了，直接点击红框位置，修改代码如下：

top1_acc = torch.eq(pred, label.to(device)).sum().item() / len(img)

 这里加to(device)的位置有点难，但是大家记住原始的问题，是输入不在device(GPU)上，所以我们需要修改的是输入（函数的参数）让其to(device)。

然后，再运行，成功。

总结：

看代码报错信息和位置（读错误真的很重要），一步步找device不同的代码修改。遇到类似的问题才能举一反三。

希望对你有帮助。