File "C:\Users\WangLinYong\Desktop\simpleT5-main\t5_summary_test\Prompt_t5_custom_model.py", line 1681, in forward cosine_loss = cos_loss(prefix_states_c, summary_hidden_states_c, target) File "C:\Users\WangLinYong\Anaconda3\lib\site-packages\torch\nn\modules\module.py", line 1110, in _call_impl return forward_call(*input, **kwargs) File "C:\Users\WangLinYong\Anaconda3\lib\site-packages\torch\nn\modules\loss.py", line 1265, in forward return F.cosine_embedding_loss(input1, input2, target, margin=self.margin, reduction=self.reduction) File "C:\Users\WangLinYong\Anaconda3\lib\site-packages\torch\nn\functional.py", line 3460, in cosine_embedding_loss return torch.cosine_embedding_loss(input1, input2, target, margin, reduction_enum) RuntimeError: Expected condition, x and y to be on the same device, but condition is on cpu and x and y are on cuda:0 and cuda:0 respectively Process finished with exit code 1

这个错误出现在你的模型在 CPU 和 GPU 之间传递数据时，由于某些原因，数据在不同的设备上。你需要确保所有数据都在相同的设备上，要么是 CPU 上，要么是 GPU 上。你可以使用 `.to(device)` 方法将所有数据移动到指定的设备上，例如：

device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")

model = MyModel().to(device)
input_tensor = input_tensor.to(device)
target_tensor = target_tensor.to(device)

output = model(input_tensor)
loss = loss_function(output, target_tensor)

在这个例子中，如果 GPU 可用，我们将使用第一个可用的 GPU 设备，否则我们将使用 CPU。然后我们将模型、输入张量和目标张量都移动到这个设备上。这样，所有数据都在相同的设备上，就可以避免这个错误。