已解决RuntimeError: CUDA error: device-side assert triggered异常的正确解决方法，亲测有效！！！

女爷i 2023-09-26 19:11 31阅读 0赞

![在这里插入图片描述][a98eec5618e9416f8adf82755122428f.webp_pic_center]

#### 文章目录 ####

*   *  报错问题
     *  解决方法
     *  声明

### 报错问题 ###

粉丝群里面的一个小伙伴敲代码时发生了报错（当时他心里瞬间凉了一大截，跑来找我求助，然后顺利帮助他解决了，顺便记录一下希望可以帮助到更多遇到这个bug不会解决的小伙伴），报错信息如下：

![在这里插入图片描述][8f076594400b491986ca13af92b59b0c.jpeg_pic_center]  
RuntimeError: CUDA error: device-side assert triggered  
CUDA kernel errors might be asynchronously reported at some other API call,so the stacktrace below might be incorrect.  
For debugging consider passing CUDA\_LAUNCH\_BLOCKING=1.  
![在这里插入图片描述][ab20a3f7d8ff44a8a77864d8428e8761.png]

### 解决方法 ###

解决方法如下

![在这里插入图片描述][51977e86019c4440b7d8465001aeac05.png]  
有人说是造成这个问题的原因就是在做分类任务时，训练数据中存在超出分类数目的标签。举个例子：如果你一共设置了8个类，但是训练数据中的标签里出现了9，就会报这个错误。那么问题来了，这里有一个陷阱。训练数据中的标签含0也会报上述错误。这个就非常诡异了。一般我们都从0开始数，但是在pytorch里0以下的类别标签都是要报错的。所以如果类别标签从0开始，要给所有类别标签都加上1。

pytorch会自己扫描train_path下的每一个文件夹（每类图片都位于其类别的文件夹下），并将每一个类映射成数值，比如有4类，类别标签就是[0,1,2,3]。在进行二分类的时候的确是将标签映射成了[0,1]，但是在进行4分类的时候，标签却映射成了[1,2,3,4]，因此就会报错。

实际上我按照这种思路去解决并没有用，依然报错同样的问题。后来我仔细查找代码，发现最后原来不是什么标签与分类的类别对不上之类的，而是最后一层网络的代码有问题，你自己要输出是几分类，就应该填写几分类。

self.outlayer = nn.Linear(256 * 1 * 1, 3)  # 最后的全连接层
     
    # 别人是3分类，而我的是5分类，改正这里就解决了
     
     self.outlayer = nn.Linear(256 * 1 * 1, 5)  # 最后是全连接层

### 声明 ###

解决方法参考网络，如有侵权请联系删除

[a98eec5618e9416f8adf82755122428f.webp_pic_center]: https://img-blog.csdnimg.cn/a98eec5618e9416f8adf82755122428f.webp#pic_center
[8f076594400b491986ca13af92b59b0c.jpeg_pic_center]: https://img-blog.csdnimg.cn/8f076594400b491986ca13af92b59b0c.jpeg#pic_center
[ab20a3f7d8ff44a8a77864d8428e8761.png]: https://img-blog.csdnimg.cn/ab20a3f7d8ff44a8a77864d8428e8761.png
[51977e86019c4440b7d8465001aeac05.png]: https://img-blog.csdnimg.cn/51977e86019c4440b7d8465001aeac05.png