最近在使用u版yolov3训练数据集时，使用多GPU训练时总是报错：

TypeError: Caught TypeError in replica 1 on device 1.
TypeError: forward() missing 1 required positional argument: 'x'

百度了一下发现是因为我使用了多个显卡，导致在inference阶段，模型和数据不在同一个显卡上，所以后面同时报了：

TypeError: forward() missing 1 required positional argument: 'x'

没有数据的错误。

详情参考这篇文章：https://www.cnblogs.com/YouXiangLiThon/p/13361448.html

但百度上面没有查询到解决办法，于是去github上试试有没有相同的问题。结果发现真的有人出现了同样问题，大佬的回答是因为自己的数据集数量不是 batch-size 的整数倍，因此会报错。参考https://github.com/ultralytics/yolov3/issues/1355

于是查看自己的数据集，真的是这个问题，问题解决！

pytorch 使用多GPU训练模型测试出现：TypeError: forward() missing 1 required positional argument: ‘x‘可能解决方法 最近在使用u版yolov3训练数据集时，使用多GPU训练时总是报错： TypeError: Caught TypeError in replica 1 on device 1. TypeError: forward() missing 1 required positional argument: 'x'百度了一下发现是因为我使用了多个显卡，导致在inference阶段，模型和数据不在同一个显卡上，所以后面同时报了：TypeError: forward() missing 1 re... device = torch.device(cuda:0 if torch.cuda.is_available() else cpu)#第一行代码 model.to(device)#第二行代码 首先是上面两行代码放在读取数据之前。 mytensor = my_tensor.to(device)#第三行代码 然后是第三行代码。这句代码的意思是将所有最开始读取数据时的tersor变量copy一份到device所指定的 GPU 上去，之后的运算都在 GPU 上进行。需要注意的是这句话并不像前面的两行代码一样只需要写一遍，第三行代码需要写的次数就等于需要保存到 GPU 上的tensor变量 北风之神c: 总结的很全面，写得赞，博主用心了。 此国产日志 https://nb-log-doc.readthedocs.io/zh_CN/latest 使用原生 loggng封装，兼容性和替换性100%。 1、日志能根据级别能够自动变彩色。 2、print自动变彩色。 3、日志和print在pycahrm控制台的输出都自动可以点击跳转到文件和行号。 4、多进程日志切割安全，文件日志写入性能高 。 5、入参简单，能一键自动记录到多种地方。 相比 loguru 有10胜。 pip install nb_log 。 SIFT特征点提取 不爱吃鱼的酸菜: HALCON初步：算子参数部分三个冒号的意义 MessiGodLike: 谢谢！解开多年的疑惑。 二值图距离变换 MTlove404: （博主后向迭代时有2处小失误，更正如下） //第二遍遍历图像，使用右模板更新像素值 (按从下到上，从右到左的顺序) for (int i = m - 2; i > 0; i--) uchar* BWRow1 = BW.ptr<uchar>(i); for (int j = n - 2; j > 0; j--) // 1 2 3 // 4 p 6 // 7 8 9 /** 9 **/ Dist = calcBlockDistance(i, j, i + 1, j + 1); uchar* BWRow2 = BW.ptr<uchar>(i + 1); fDist = min((float)BWRow1[j], Dist + BWRow2[j + 1]); /** 8 **/ Dist = calcBlockDistance(i, j, i + 1, j); fDist = min(fDist, Dist + BWRow2[j]); /** 6 **/ BWRow2 = BW.ptr<uchar>(i); Dist = calcBlockDistance(i, j, i, j + 1); fDist = min(fDist, Dist + BWRow2[j + 1]); /** 3 **/ BWRow2 = BW.ptr<uchar>(i - 1); Dist = calcBlockDistance(i, j, i - 1, j + 1); fDist = min(fDist, Dist + BWRow2[j + 1]); BWRow1[j] = (uchar)cvRound(fDist); SIFT特征点提取 weixin_44543051: 讲的太好了