[已解决]RuntimeError: Tensor for argument #2 ‘mat1‘ is on CPU, but expected it to be on GPU (

运行程序的时候，报错：

RuntimeError: Tensor for argument #2 'mat1' is on CPU, but expected it to be on GPU (while checking arguments for addmm)

出错的位置在：

predict = model(torch.autograd.Variable(x_train))

前提代码提示在：

pytorch网络的模板_子根的博客-CSDN博客

原因分析：

这是因为model模型我是放到CUDA里去了，所以导入的 x_train数据也需要放入到CUDA中去

进阶版一：

predict = model(torch.autograd.Variable(x_train.cuda()))

虽然不报错，但是我是想 将预测得到的 predict 数据和标签值进行对比映射带二维图像上的嘛，但是会报错：

TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.

报错的位置，是画图的位置：

plt.plot(x_train.numpy(), predict.numpy(), 'r.')

友情提示：此时的 x_train 是Tensor类型，而 predict 虽然也是Tensor格式但是带了个小尾巴，所以导致类型不匹配，所以画不了图

tensor([[ 3.3000],
        [ 4.4000],
        [ 5.5000],
        [ 6.7100],
        [ 6.9300],
        [ 4.1680],
        [ 9.7790],
        [ 6.1820],
        [ 7.5900],
        [ 2.1670],
        [ 7.0420],
        [10.7910],
        [ 5.3130],
        [ 7.9970],
        [ 3.1000]])

tensor([[1.0622],
        [1.5116],
        [1.9626],
        [2.4584],
        [2.5479],
        [1.4172],
        [3.7154],
        [2.2425],
        [2.8182],
        [0.5984],
        [2.5943],
        [4.1281],
        [1.8858],
        [2.9845],
        [0.9798]], device='cuda:0', grad_fn=)

进阶版二：

解决办法，将他们放入到CPU当中就行了，（好像还有其他更简单的方法，奈何我不会）：

predict = model(torch.autograd.Variable(x_train.cuda())).cpu()

然后就完美地画出图了。

参考博客：

python - 参数 #2'mat1' 的张量在 CPU 上，但预计它在 GPU 上 - 探索字符串