与GPU一起使用时，压缩的填充序列会出错

Question

我正在尝试建立一个能够利用GPU的RNN，但是压缩的填充的序列给了我一个

RuntimeError: 'lengths' argument should be a 1D CPU int64 tensor

gpu是如何直接计算的

^{pr2}$

这是代码的相关部分。在

def Tensor_length(track):
    """Finds the length of the non zero tensor"""
    return int(torch.nonzero(track).shape[0] / track.shape[1])
.
.
.
def forward(self, tracks, leptons):
        self.rnn.flatten_parameters()
        # list of event lengths
        n_tracks = torch.tensor([Tensor_length(tracks[i])
                                 for i in range(len(tracks))])
        sorted_n, indices = torch.sort(n_tracks, descending=True)
        sorted_tracks = tracks[indices].to(args.device)
        sorted_leptons = leptons[indices].to(args.device)
        # import pdb; pdb.set_trace()
        output, hidden = self.rnn(pack_padded_sequence(sorted_tracks,
                                                       lengths=sorted_n.cpu().numpy(),
                                                       batch_first=True)) # this gives the error

        combined_out = torch.cat((sorted_leptons, hidden[-1]), dim=1)
        out = self.fc(combined_out)  # add lepton data to the matrix
        out = self.softmax(out)
        return out, indices  # passing indices for reorganizing truth

我尝试过各种方法，从使用sorted-un到使用长张量，再到将其作为一个列表，但我总是遇到同样的错误。 我以前没有和Pythorch在gpu上合作过，任何建议都将不胜感激。在

谢谢！在