修改部分注释

fastNLP/core/trainer.py

@@ -355,7 +355,7 @@ class Trainer(object):
         :param int validate_every: 多少个step在验证集上验证一次; 如果为-1，则每个epoch结束验证一次。仅在传入dev_data时有
             效。
         :param str,None save_path: 将模型保存路径。如果为None，则不保存模型。如果dev_data为None，则保存最后一次迭代的模
-            型。保存的时候不仅保存了参数，还保存了模型结构。即便使用DataParallel，这里也只保存模型。
+            型。保存的时候不仅保存了参数，还保存了模型结构。即便使用了nn.DataParallel，这里也只保存模型。
         :param prefetch: bool, 是否使用额外的进程对产生batch数据。理论上会使得Batch迭代更快。
         :param bool use_tqdm: 是否使用tqdm来显示训练进度; 如果为False，则将loss打印在终端中。
         :param str,int,torch.device,list(int) device: 将模型load到哪个设备。默认为None，即Trainer不对模型
@@ -366,7 +366,7 @@ class Trainer(object):
 
             2. torch.device：将模型装载到torch.device上。
 
-            3. int: 将使用device_id为该值的gpu进行训练
+            3. int: 将使用该gpu进行训练
 
             4. list(int)：如果多于1个device，将使用torch.nn.DataParallel包裹model, 并使用传入的device。
 

fastNLP/core/utils.py

@@ -200,13 +200,13 @@ def _move_model_to_device(model, device):
     else:
         if not torch.cuda.is_available() and (
                 device != 'cpu' or (isinstance(device, torch.device) and device.type != 'cpu')):
-            raise ValueError("There is no usable gpu. set `device` as `cpu`.")
+            raise ValueError("There is no usable gpu. set `device` as `cpu` or `None`.")
 
     if isinstance(model, torch.nn.DataParallel):
         raise RuntimeError("When model is `torch.nn.DataParallel`, the device has to be `None`.")
 
     if isinstance(device, int):
-        assert device>-1, "device can only be positive integer"
+        assert device>-1, "device can only be non-negative integer"
         assert torch.cuda.device_count()>device, "Only has {} gpus, cannot use device {}.".format(torch.cuda.device_count(),
                                                                                                   device)
         device = torch.device('cuda:{}'.format(device))
@@ -227,7 +227,7 @@ def _move_model_to_device(model, device):
         assert list(types)[0] == int, "Only int supported for multiple devices."
         assert len(set(device))==len(device), "Duplicated device id found in device."
         for d in device:
-            assert d>-1, "Only positive device id allowed."
+            assert d>-1, "Only non-negative device id allowed."
         if len(device)>1:
             output_device = device[0]
             model = nn.DataParallel(model, device_ids=device, output_device=output_device)

test/core/test_utils.py

@@ -33,6 +33,8 @@ class TestMoveModelDeivce(unittest.TestCase):
             assert model.param.device == torch.device('cuda:0')
             with self.assertRaises(Exception):
                 _move_model_to_device(model, 'cuda:1000')
+        # 测试None
+        model = _move_model_to_device(model, None)
 
     def test_case2(self):
         # 测试使用int初始化