Expected all tensors to be on the same device：查 CPU 与 GPU 的交界

现象与适用范围

一个运算收到来自不同设备的张量，例如图像在 CUDA、mask 还在 CPU，或者两个分支分别位于不同 GPU。错误指出的是运算边界，不等于整套程序没有识别显卡。

检索用原文或片段（具体编号、数值和文件名随环境变化）：

Expected all tensors to be on the same device
cpu and cuda
cuda:0 and cuda:1

已核对的依据

历史 issue #2556 在 VAE Encode for Inpaint 场景出现 CPU/CUDA 混用，说明普通图像与遮罩路径也可能触发设备问题。该记录不是所有设备错误的统一修复说明。PyTorch 文档还说明，跨 GPU 的普通张量运算默认不允许，因此应核对 traceback 中的设备名称。 I16 D02 PyTorch CUDA 语义

需要区分的情况

1. 自定义节点创建新的张量后没有按下游需要迁移设备。

2. 手动指定设备、offload 或多卡配置导致两个分支落在不同设备。

3. 节点与核心更新不同步，原先的设备管理假设已经改变。

建议的操作顺序

以下顺序是基于上述资料整理的诊断方案，不代表上游已经为你的环境确认了原因。

第 1 步。 记录错误列出的两种设备、失败节点以及实际 traceback 运算，不要只抄最后一句提示。

第 2 步。 在工作流副本取消非必需的强制设备节点与多卡设置，回到作者默认设备管理路径。

第 3 步。 用单设备的最小流程分别检查图像、mask、条件和模型分支，再恢复 offload 或多卡功能。

第 4 步。 仅某个扩展触发时报告其版本与最小图。不要把所有输入在源码中强制送到 cuda:0，这既不适合 Mac/CPU，也可能破坏内存管理。

如何判断处理有效

参与同一个运算的对象由兼容设备处理，任务完成且不再依赖偶然的缓存状态。

注意事项与尚未确认的部分

迁移张量可能额外占用内存并发生复制。禁用 offload 后出现 OOM 时，应另查容量，不应把两种错误混在一起。

前两项资料的原有核对日期为 2026-09-21；PyTorch CUDA 语义文档核对于 2026-09-25。本站未执行此工作流，未进行 GPU、最低显存或耗时测试。

原始资料

• I16 · CPU/CUDA mismatch in inpainting VAE encode。核对：2026-09-21；原始日期：2024-01-15。
• D02 · ComfyUI custom node troubleshooting。核对：2026-09-21。
• PyTorch CUDA 语义。核对：2026-09-25。

相关排查与操作

• Float / Half / BFloat16 不一致：查清精度转换发生在哪个节点
• CUDA out of memory：按加载、采样和解码阶段排查显存
• 如何用最小环境和二分法定位自定义节点冲突