计算指标（metric）时遇到了不同的设备（device），可能是由于指标类（metric class）不在与输入数据相同的设备上。

要解决这个问题，您可以尝试将指标类移到与输入数据相同的设备上。具体的步骤如下：

确定输入数据所在的设备：检查您的输入数据是在哪个设备上，例如 CPU 或 GPU。可以使用 input_data.device 来获取输入数据所在的设备。

将指标类移动到相同的设备：使用 to 方法将指标类移动到与输入数据相同的设备上。例如，如果输入数据在 GPU 上，您可以使用 metric_class.to('cuda') 将指标类移动到 GPU 上。

以下是一个示例代码片段，演示了如何将指标类移动到与输入数据相同的设备上：

python
Copy
import torch

input_data = torch.tensor([1, 2, 3]) # 替换为实际的输入数据
metric_class = torch.nn.MSELoss() # 替换为实际的指标类

获取输入数据所在的设备

input_device = input_data.device

将指标类移动到相同的设备

metric_class = metric_class.to(input_device)

在相同设备上计算指标

output = metric_class(input_data, target_data) # 替换为实际的目标数据

print(output)
请注意，上述代码示例是基于 PyTorch 的示例，如果您使用的是其他深度学习框架，可能需要使用相应的框架特定方法来移动指标类到正确的设备上。

通过将指标类移动到与输入数据相同的设备上，您应该能够解决该错误并成功计算指标。