Question

使用3 Torch Linear图层添加我的自定义损失函数后，

我收到cuda错误

class KLDLoss(nn.Module):
  def __init__(self, reduction='sum'):
      super(KLDLoss, self).__init__()
      self.reduction = reduction

  def forward(self, mean, logvar):
    # KLD loss
      kld_loss = -0.5 * torch.sum(1 + logvar - mean.pow(2) - logvar.exp(), 1)
    # Size average
      if self.reduction == 'mean':
        kld_loss = torch.mean(kld_loss)
      elif self.reduction == 'sum':
        kld_loss = torch.sum(kld_loss)
      return kld_loss

class Latent_Classifier(nn.Module):
    def __init__(self):
        super(Latent_Classifier, self).__init__()
        layers = []
        layers += [nn.Linear(128, 750)]
        layers += [nn.Linear(750, 750)]
        layers += [nn.Linear(750, 1)]

        self.seq = nn.Sequential(*layers)
  def forward(self, latent_z):
    x = self.seq(latent_z)

    return -torch.mean(torch.log(x)) - torch.mean(torch.log(1 - x))

KLDLoss没有错误，但是在optimizer.step()进行某些训练之后，潜在分类器有错误

105                     denom = (max_exp_avg_sq.sqrt() / math.sqrt(bias_correction2)).add_(group['eps'])
   
106                 else:

--> 107                     denom = (exp_avg_sq.sqrt() / math.sqrt(bias_correction2)).add_(group['eps'])

108 

109                 step_size = group['lr'] / bias_correction1

RuntimeError: CUDA error: device-side assert triggered

我的潜在分类器代码中是否存在错误？

optimizer为AdamOptimizer，而args为0.0002 lr, (0.5, 0.999)betas

Answer 1

这些CUDA错误可能是由我的两件事引起的：

尝试访问嵌入层中的越界索引
尝试执行无效操作，例如对数为零或负值

所以我的猜测是：您正在尝试在间隔[0,1 [（不包括0和1））之外的内容上使用KLDiv。在输出层中添加一个S型激活，该问题应该得到解决...

您可以在CPU上运行代码，并且会有一条更有意义的错误消息。

火炬Adamoptimizer在Optimizer.step（）中产生cuda错误

1 个答案: