最近在刚从tensorflow转入pytorch，对于自定义的nn.Module 碰到了个问题，即使把模组 modle=Model().cuda()，里面的子Module的parameter都没有被放入cuda，导致输入是torch.cuda.FloatTensor，但是比如CNN的weight却还是torch.FloatTensor
（当然最粗暴的方法就是直接在子模组里面都用了 .cuda()
但是问题并不在那，可能是调用子模组的时候，存在某些错误，导致父模组没有把子模组的parameter注册到pytorch中。
而我遇到的错误就是，使用list来存放子模组的对象，导致list中的parameter没有注册。
解决方案就是 使用nn.ModuleList()这个封装的函数 来替换list() / []
补充知识：关于Pytorch框架下报错CUDA驱动版本不满足CUDA运行版本——一种可能的原因及解决办法
运行Pytorch代码的时候遇到：
RuntimeError: cuda runtime error (35) : CUDA driver version is insufficient for CUDA runtime version at /pytorch/aten/src/THC/THCGeneral.cpp:74
可能原因：每一个pytorch版本都有对应的cuda版本，可能是在安装pytorch的时候，选择的pytorch版本所对应的版本cuda版本与本机所安装的cuda版本不相符。
check步骤：
#查看pytorch版本
import torch
torch.__version__
#查看pytorch版本对应的cuda版本
torch.version.cuda
#查看cuda是否可用
torch.cuda.is_available()
#查看Linux server安装的cuda版本
#切换到/usr/local/cuda/samples/1_Utilities/deviceQuery然后运行
./deviceQuery
出现类似以下信息：
./deviceQuery Starting... CUDA Device Query (Runtime API) version (CUDART static linking) Detected 1 CUDA Capable device(s) Device 0: "GeForce GTX TITAN Black" CUDA Driver Version / Runtime Version 8.0 / 8.0 CUDA Capability Major/Minor version number: 3.5 Total amount of global memory: 6080 MBytes (6375407616 bytes) (15) Multiprocessors, (192) CUDA Cores/MP: 2880 CUDA Cores GPU Max Clock rate: 1072 MHz (1.07 GHz) Memory Clock rate: 3500 Mhz Memory Bus Width: 384-bit L2 Cache Size: 1572864 bytes Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096) Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers Total amount of constant memory: 65536 bytes Total amount of shared memory per block: 49152 bytes Total number of registers available per block: 65536 Warp size: 32 Maximum number of threads per multiprocessor: 2048 Maximum number of threads per block: 1024 Max dimension size of a thread block (x,y,z): (1024, 1024, 64) Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535) Maximum memory pitch: 2147483647 bytes Texture alignment: 512 bytes Concurrent copy and kernel execution: Yes with 1 copy engine(s) Run time limit on kernels: No Integrated GPU sharing Host Memory: No Support host page-locked memory mapping: Yes Alignment requirement for Surfaces: Yes Device has ECC support: Disabled Device supports Unified Addressing (UVA): Yes Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0 Compute Mode: < Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) > deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 8.0, NumDevs = 1, Device0 = GeForce GTX TITAN Black Result = PASS
比对前后两个cuda版本是否一致，如果不一致，就需要卸载并安装与本机cuda版本相同的pytorch（当然应该也可以改本机的cuda版本，只不过相对比较麻烦）
pip3 uninstall pytorch
pip3 install [pytorch-version-link]
打开链接，选择合适版本版本，右键复制链接地址，替换上面的pytorch-version-link，执行命令就行。
这样应该就可以解决了。
以上这篇Pytorch 解决自定义子Module .cuda() tensor失败的问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持脚本之家。
