我最近发现一个很奇怪的事情，据我所知，当你想对两个Tensor做一些运算时，你应该确保它们在同一个设备上。但是当我这样写代码时，它出乎意料地运行
import torch
a = torch.tensor(1, device='cuda')
print(a.device)
b = torch.tensor(2, device='cpu')
print(b.device)
torch(a+b)
cuda:0
cpu
tensor(3, device='cuda:0')在我的代码中，它不能像这样工作：
pts_1_tile = torch.tensor([[0], [0]], dtype=torch.float32)
torch.add(pred_4pt_shift, pts_1_tile)
这里的pred_4pt_shift是一个子网的中间结果，它是GPU上的Tensor。我的问题是，为什么第一个代码可以工作，但第二个代码报告了这种不同的设备错误？
1条答案
按热度按时间eh57zj3b1#
我猜你是指
print(a+b)而不是torch(a+b)。标量Tensor是一种特殊情况，可以自动移动到目标设备，如果将
a和b定义为一维Tensor，则会出现错误：