记录torch使用的错误

1. RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cpu and cuda:1! (when checking argument for argument mat1 in method wrapper_CUDA_addmm)

这个错误表明在进行Tensor运算时发现了至少两个不同的设备，一个在CPU上，一个在cuda:1（即GPU上）。在PyTorch中，所有涉及Tensor的操作必须在相同的设备上进行，否则会出现类似的错误。
新创建的层没有放入cuda，会在cpu进行继续，需要放到gpu中进行计算。

class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.linear = nn.Linear(input_size, output_size).to('cuda:1')

2. RuntimeError: Parent directory ./models does not exist.

这种错误都是文件路径不对，可以把相对路径改成绝对路径。

3. 将网络输入从128*128改到256*256

一般来说，我们将网络从小扩大，不能只调整输入图像的大小为（256，256），还得调整网络的整体架构。

- 不能单纯的在网络输入的第一层加入线性层之类的缩小到128*128，这样没有意义

- 应该在网络中过卷积之间加一层卷积来进行降维，保证一致性，而不使用更新网络所有参数的方式

    self.conv1 = conv3x3(num_inputs, 64, 2)
        self.bn1 = nn.BatchNorm2d(64)
        self.layer1 = self._make_layer(block, 64, num_blocks[0], stride=2)
        self.layer2 = self._make_layer(block, 128, num_blocks[1], stride=2)
        self.layer3 = self._make_layer(block, 256, num_blocks[2], stride=2)
        self.layer4 = self._make_layer(block, 512, num_blocks[3], stride=2)
    # 只需要在卷积最后更新一层
    self.conv1 = conv3x3(num_inputs, 64, 2)
        self.bn1 = nn.BatchNorm2d(64)
        self.layer1 = self._make_layer(block, 64, num_blocks[0], stride=2)
        self.layer2 = self._make_layer(block, 128, num_blocks[1], stride=2)
        self.layer3 = self._make_layer(block, 256, num_blocks[2], stride=2)
        self.layer4 = self._make_layer(block, 512, num_blocks[3], stride=2)
        self.layer5 = self._make_layer(block, 512, num_blocks[3], stride=2)

具体将128 *128 变成 256*256 的方法

- 如果原来的图像就是大于256的，我们只需要将图片resize成256就行

- 如果图像本来就是128，这时候我们就需要进行上采样。通常情况下进行上采用使用Bilinear、Bicubic 的传统插值方法，也有反卷积、亚像素上采样的基于深度学习的插值方法。

# 一种双线性插值
stroke = F.interpolate(stroke, scale_factor=2, mode="bilinear")