我通过尝试用x = x.to('cuda')解决。具体为什么我也不清楚，试出来的。直接使用x.to('cuda')没用，这时候代码理论上是没问题的。

这种方式需要自己定义网络，并且其中的参数名称与结构要与保存的模型中的一致（可以是部分网络，比如只使用VGG的前几层），相对灵活，便于对网络进行修改。这种方式无需自定义网络，保存时已把网络结构保存，比较死板，不能调整网络结构。仅作为个人学习笔记使用。

VSRN论文阅读笔记：Visual Semantic Reasoning for Image-Text Matching