@wkcn
我是一开始定义了自己的softmax层后，出现了这个issue的报错src/io/image_io.cc:186: Check failed:
inputs[0].ctx().dev_mask() == Context::kCPU (2 vs. 1) Only supports cpu input，
然后根据这个issue改了之后，就是修改Imge.py之后，在AccMetric里面就出现了src/ndarray/ndarray_function.cu:43:
Check failed: to->type_flag == from.type_flag_ (0 vs. 3) Source and target
must have the same data type when copying across devices.这个问题
这个问题具体是在pred_label =
pred_label.asnumpy().astype('int32').flatten()的时候出现的，然后当我尝试在这句话前面（某些地方，有些地方可以，有些地方也会报错）将pred_label直接print输出的时候，他是有时会正常运行不会报错，但是每次当pred_label调用到asnumpy()的时候就会报这个错
`class GenderAccMetric(mx.metric.EvalMetric):
def __init__(self):
self.axis = 1
super(GenderAccMetric, self).__init__(
'acc', axis=self.axis,
output_names=None, label_names=None)
self.losses = []
self.count = 0
def update(self, _labels, preds):
self.count+=1
#print("in gender AccMetric\n")
#print("label is {}\n".format(_labels[2]))
#print("preds is {}\n".format(preds[3])) 当输出label和preds时，有时会正常运行
labels = [_labels[2]]
_preds = [preds[3]] #use softmax output
for label, pred_label in zip(labels, _preds):
#print("pred_label before if is {}\n".format(pred_label)) 在这里输出也会报错
pred_label = pred_label.as_in_context(label.context) 加上了这句话还是不行
if pred_label.shape != label.shape:
#pred_label = mx.ndarray.array(_pred_label,
ctx=mx.current_context())其中一个AccMetric在这里进行转换就解决了问题，但剩下的两个不行
pred_label = mx.ndarray.argmax(pred_label, axis=self.axis)
pred_label = pred_label.asnumpy().astype('int32').flatten()
label = label.asnumpy()
if label.ndim==2:
label = label[:,0]
label = label.astype('int32').flatten()
assert label.shape==pred_label.shape
self.sum_metric += (pred_label.flat == label.flat).sum()
self.num_inst += len(pred_label.flat)`
所以总的来说，我感到非常奇怪和困扰，按照你说的方法改了还是不行，我感觉是只要是pred调用了asnumpy（）就会报错
[ Full content available at:
https://github.com/apache/incubator-mxnet/issues/9920 ]
This message was relayed via gitbox.apache.org for [email protected]
