84page code 2-15

[Kwon-Min-Jeong]

test_outputs = test_outputs.to(device=device, dtype=torch.int64)
with torch.no_grad():
y_val = model(categorical_test_data)
loss = loss_function(y_val, test_outputs)
print(f'Loss: {loss:8f}')

여기서 y_val = model(categorical_test_data) 부분에 device 지정을 해줘야 하지 않나요( y_val = model(categorical_test_data).to(device))
앞서 train 단계에서 지정된 device가 test에서 사용된 device와 달라 오류가 발생합니다

RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cpu and cuda:0! (when checking argument for argument target in method wrapper_CUDA_nll_loss_forward)

또한 train 과정에서는 model에 device 지정한 부분이 존재합니다.
epochs = 500
aggregated_losses = []
train_outputs = train_outputs.to(device=device, dtype=torch.int64)
for i in range(epochs):
i += 1
y_pred = model(categorical_train_data).to(device) ## 해당 부분
single_loss = loss_function(y_pred, train_outputs)
aggregated_losses.append(single_loss)

책 정말 잘 공부하고 있습니다.
좋은 책 집필 감사합니다.

[Kwon-Min-Jeong]

추가로 문의 드립니다.
책에서 아래와 같이 코드가 작성되어있는데
y_val = np.argmax(y_val, axis=1)
print(y_val[:5])
앞서 코드에서 tensor로 연산했기 때문에 np.argmax를 사용하면 아래와 같은 오류가 발생합니다.
TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.
이에 tensor를 numpy 배열로 변경하는 과정이 필요할 것 같습니다.

y_val = y_val.cpu().numpy()
y_val = np.argmax(y_val, axis=1)
print(y_val[:5])

이후 평가 매트릭스에서도
from sklearn.metrics import classification_report, confusion_matrix, accuracy_score
print(confusion_matrix(test_outputs.cpu().numpy(), y_val))
print(classification_report(test_outputs.cpu().numpy(), y_val))
print(accuracy_score(test_outputs.cpu().numpy(), y_val))
과정이 추가되어야 정상 작동합니다.

실습 환경에 차이 때문에 발생하는 오류일 수도 있을 거 같아 여쭙습니다.
읽어주셔서 감사합니다.