Question

使用pytorch转换图像分类
得到了以下结果错误消息K

RuntimeError跟踪（最近的调用）   最后）        29打印（len（train_loader.dataset），len（valid_loader.dataset））        30＃休息   ---> 31 train_loss，train_acc，模型=火车（模型，设备，train_loader，优化器，标准）        32valid_loss，valid_acc，model =评估（模型，设备，valid_loader，条件）        33

in train（模型，设备，迭代器，   优化程序，条件）        21个acc = Calculation_accuracy（fx，y）        22 #print（“ 5。”）   ---> 23 loss.backward（）        24        25 Optimizer.step（）

〜/ venv / lib / python3.7 / site-packages / torch / tensor.py向后（自己，   渐变，retain_graph，create_graph）       164个商品。默认为False。       165“”“   -> 166 torch.autograd.backward（自己，渐变，retain_graph，create_graph）       167       168 def register_hook（self，hook）：

〜/ venv / lib / python3.7 / site-packages / torch / autograd / init .py in   向后（张量，grad_tensors，retain_graph，create_graph，   grad_variables）        97变量。        98张量，grad_tensors，retain_graph，create_graph，   ---> 99 allow_unreachable = True）＃allow_unreachable标志       100       101

RuntimeError：CUDA运行时错误（710）：触发了设备端断言   在/pytorch/aten/src/THC/generic/THCTensorMath.cu:26

相关代码块在这里

def train(model, device, iterator, optimizer, criterion):

print('train')
epoch_loss = 0
epoch_acc = 0

model.train()


for (x, y) in iterator:
    #print(x,y)
    x,y = x.cuda(), y.cuda()
    #x = x.to(device)
    #y = y.to(device)
    #print('1')
    optimizer.zero_grad()
    #print('2')
    fx = model(x)
    #print('3')
    loss = criterion(fx, y)
    #print("4.loss->",loss)
    acc = calculate_accuracy(fx, y)
    #print("5.")
    loss.backward()

    optimizer.step()

    epoch_loss += loss.item()
    epoch_acc += acc.item()

return epoch_loss / len(iterator), epoch_acc / len(iterator),model


    EPOCHS = 5
    SAVE_DIR = 'models'
    MODEL_SAVE_PATH = os.path.join(SAVE_DIR, 'please.pt')
    from torch.utils.data import DataLoader
    best_valid_loss = float('inf')

    if not os.path.isdir(f'{SAVE_DIR}'):
        os.makedirs(f'{SAVE_DIR}')
    print("start")
    for epoch in range(EPOCHS):
        print('================================',epoch ,'================================')
        for i , (train_idx, valid_idx) in enumerate(zip(train_indexes, valid_indexes)):
            print(i,train_idx,valid_idx,len(train_idx),len(valid_idx))

            traindf = df_train.iloc[train_index, :].reset_index()
            validdf = df_train.iloc[valid_index, :].reset_index()

            #traindf = df_train
            #validdf = df_train

            train_dataset = TrainDataset(traindf, mode='train', transforms=data_transforms)
            valid_dataset = TrainDataset(validdf, mode='valid', transforms=data_transforms)

            train_loader = DataLoader(train_dataset, batch_size=batch_size, shuffle=True)
            valid_loader = DataLoader(valid_dataset, batch_size=batch_size, shuffle=False)



            print(len(train_loader.dataset),len(valid_loader.dataset))
            #break
            train_loss, train_acc ,model= train(model, device, train_loader, optimizer, criterion)
            valid_loss, valid_acc,model = evaluate(model, device, valid_loader, criterion)

            if valid_loss < best_valid_loss:
                best_valid_loss = valid_loss
                torch.save(model,MODEL_SAVE_PATH)

            print(f'| Epoch: {epoch+1:02} | Train Loss: {train_loss:.3f} | Train Acc: {train_acc*100:05.2f}% | Val. Loss: {valid_loss:.3f} | Val. Acc: {valid_acc*100:05.2f}% |')

拆分= zip（train_indexes，valid_indexes）   [3692 3696 3703 ... 30733 30734 30735] [0 1 2 ... 4028   4041 4046] [0 1 2 ... 30733 30734 30735] [3692 3696 3703   ... 7986 7991 8005] [0 1 2 ... 30733 30734 30735] [7499   7500 7502 ... 11856 11858 11860] [0 1 2 ... 30733 30734   30735] [11239 11274 11280 ... 15711 15716 15720] [0 1 2   ... 30733 30734 30735] [15045 15051 15053 ... 19448 19460 19474] [
  0 1 2 ... 30733 30734 30735] [18919 18920 18926 ... 23392   23400 23402] [0 1 2 ... 30733 30734 30735] [22831 22835   22846 ... 27118 27120 27124] [0 1 2 ... 27118 27120 27124]   [26718 26721 26728 ... 30733 30734 30735]

Answer 1

您的损失函数是什么？

我也收到此错误。我的问题是multi-class分类，我损失了crossEntropy。

正如在documentations中所说，标签应在[0, C-1]范围内，其中C是类数。但是我的标签不在此范围内，当我为标签使用适当的值时，一切正常。

RuntimeError：CUDA运行时错误（710）：在

1 个答案: