标签：load map torch state dict location device model
参考资料：
我的问题和参考资料中的一样，在使用torch.load的时候有一个map_location参数，此时可以将checkpoint等加载到对应的device上。但是，如果接下来初始化一个model，并且使用model.load_state_dict的话，后续打印model的device仍然是在cpu上。这意味着我们仍然需要再接上一个model.to(XX)。
参考资料中一个大佬给出了解释：
The map_location changes the device of the Tensors in the state dict that is returned.
But when you load_state_dict(), then these values are loaded (and only values) into the model. But that does not change the model’s device! you will need to move the model itself with .to() if you want to have it on a different device.
翻译过来就是使用torch.load加载的都是tensor，比如：这些tensor如果之前是在device("cuda:1")上被保存的，那么load的时候pytorch仍然会试图将tensor加载到第一个显卡上。但是，load_state_dict不管你的state_dict放在哪里，它只load值，所以如果你的model在cpu上初始化了，它只是从GPU卡上把tensor（state_dict）的值copy到cpu的model上，model所处的device还是cpu。
综上所述，只有to指令才能让model换device！
标签：load,map,torch,state,dict,location,device,model 来源： https://www.cnblogs.com/chester-cs/p/16690409.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。