PyTorch API：index_select 报错 RuntimeError: “index_select_out_cuda_impl“ not implemented for ‘Float‘

最新推荐文章于 2024-02-04 11:22:02 发布
最新推荐文章于 2024-02-04 11:22:02 发布
阅读量1.3k 收藏 3
点赞数 6
分类专栏： PyTorch 文章标签： pytorch python 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/HuanCaoO/article/details/129156174
版权

函数签名

def index_select(input: Tensor, dim: _int, index: Tensor, *, out: Optional[Tensor]=None) -> Tensor: ...

报错信息

RuntimeError: "index_select_out_cuda_impl" not implemented for 'Float'

解决方案

可尝试给index参数加上.long()，如

torch.index_select(input_tensor, dim, index_tensor.long())
HuanCaoO
关注
  • 6
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
{RuntimeError}“nll_loss_forward_reduce_cuda_kernel_1d_index“ not implemented for ‘Float‘
weixin_39417324的博客
12-27 8463
应该是使用损失函数的时候，遇到了这个问题，意思就是说，这个函数的某个参数不支持Float类型的： F.nll_loss(out, target) 这个函数就是算损失，一般来说，这个函数使用应该遵循下面两点： 第一点，应该前后维度一致，如果你的batchsize大于1，那么可以都展开成为一维的 第二点，out的类型是cuda类型的float，target是long()类型的 F.nll_loss(out.squeeze().flatten(), target_class.flatten().long())
final_mse.rar_MATLAB MSE_matlab mse_mse_计算 mse_误差函数
07-14
计算误差函数mse，可以计算任何数据的误差函数
MSE_mse_
09-28
MSE损失函数
“erfinv_vml_cpu“ not implemented for ‘Half‘
最新发布
尼古拉斯康康
02-04 397
这么一弄确实解决了这个问题了。不过我又遇到了其他问题，主要是c++编译器问题，所以暂时没法做端到端验证。
查看torch中的所有函数、方法名
Python领域优质萌新创作者
04-08 580
这将打印出 torch.add 函数的帮助文档，包括函数的参数、返回值、用法示例等。您也可以在 Jupyter Notebook 或 IPython 中使用?这将显示与上面 help(torch.add) 相同的帮助文档。运行程序，就可以看到所有的函数、方法。查看torch中的所有函数、方法名。
解决RuntimeError: CUDA error: device-side assert triggeredCUDA kernel errors...CUDA_LAUNCH_BLOCKING=1
热门推荐
AI小白炼金术师
04-30 5万+
RuntimeError: CUDA error: device-side assert triggeredCUDA kernel errors might be asynchronously reported at some other API call,so the stacktrace below might be incorrect.For debugging consider passing CUDA_LAUNCH_BLOCKING=1.
stanfordnlp使用报错“index_select(): Expected dtype int32 or int64 for index”解决方法
AdrenalinmyVein的博客
05-21 3540
stanfordnlp使用报错（float index相关）解决方法
【已解决】RuntimeError: “nll_loss_forward_reduce_cuda_kernel_2d_index“ not implemented for ‘Float‘
BetrayFree的博客
11-11 910
最近在复现Watermark-Robustness-Toolbox的时候出现了一些问题，并通过不懈的努力（不是）把这个给完美的跑起来了，这很“完美”。环境是：python==3.8，系统ubuntu20.04，其他按照readme操作就可以。遇到的问题包括但不仅限于no module named 'backdoor' ，先来简单介绍一下，这是一个攻防项目，
“nll_loss_forward_reduce_cuda_kernel_2d_index“ not implemented for ‘Float‘
AI浩
03-15 1万+
Traceback (most recent call last): File "D:\nlp\zhinengyunwei\wh_lstm_pytorch.py", line 213, in <module> loss = loss_func(torch.squeeze(output), target) File "D:\ProgramData\Anaconda3\lib\site-packages\torch\nn\modules\module.py", line 1102,
基于Pytorch运行中出现RuntimeError: Not compiled with CUDA support此类错误解决方案
rothschild666的博客
10-07 8456
基于Pytorch运行中出现RuntimeError: Not compiled with CUDA support此类错误解决方案及基于Pytorch中安装torch_geometric可以命令模式安装方法
pytorch索引查找 index_select的例子
09-18
今天小编就为大家分享一篇pytorch索引查找 index_select的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
FCN-pytorch-master.zip_fcn pytorch 9:9_pytorch_pytorch fcn代码_pyt
07-14
FCN的pytorch实现，实现较为简单
Pytorch中index_select() 函数的实现理解
09-18
主要介绍了Pytorch中index_select() 函数的实现理解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
pytorch 状态字典:state_dict使用详解
09-18
今天小编就为大家分享一篇pytorch 状态字典:state_dict使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
PyTorch view和reshape的区别
HuanCaoO的博客
03-11 1万+
相同之处 都可以用来重新调整 tensor 的形状。 不同之处 view 函数只能用于 contiguous 后的 tensor 上，也就是只能用于内存中连续存储的 tensor。如果对 tensor 调用过 transpose, permute 等操作的话会使该 tensor 在内存中变得不再连续，此时就不能再调用 view 函数。因此，需要先使用 contiguous 来返回一个 con...
PyTorch grad.data 查看参数梯度
HuanCaoO的博客
03-11 8106
结论 使用 parameter.grad,data 查看参数的梯度。 示例 >>> import torch >>> import torch.nn as nn >>> inp = torch.randn(1, 1, 4, 4) >>> conv = nn.Conv2d(1, 1, 3) >>> out = ...
PyTorch torch.Tensor.contiguous() 用法与理解
HuanCaoO的博客
03-11 7660
中文文档： contiguous() → Tensor         返回一个内存连续的有相同数据的 tensor，如果原 tensor 内存连续则返回原 tensor 英文文档： contiguous() → Tensor        &...
使用PyTorch为Tensor指定上下左右padding的行/列数目
HuanCaoO的博客
12-23 5459
先import相关库 import torch import torch.nn as nn import torch.nn.functional as F 第一种情况：当想要对Tensor上下和左右padding的数量不一样时 例如，想要对Tensor左右padding各一列，而上下padding各两行，有以下三种方式。 将padding数量作为创建padding后所要执行的函数（如卷积）对象的输入参数： conv = nn.Conv2d(in_channels=3, out_channels=3,
pytorch调用LabelSmoothingCrossEntropy() 损失函数报错RuntimeError: gather_out_cuda(): Expected dtype int64 for index
05-11
这个错误通常是由于输入的标签数据类型不是 int64 引起的。`LabelSmoothingCrossEntropy` 函数需要接受 int64 类型的标签作为输入，因为它需要将标签作为索引来访问预测分布的概率值。你可以将标签数据类型转换为 int64 类型来解决这个问题，例如： ```python import torch.nn.functional as F loss_fn = F.label_smoothing_cross_entropy labels = labels.long() # 将标签转换为 int64 类型 loss = loss_fn(preds, labels, smoothing=0.1) ``` 如果你已经将标签转换为 int64 类型但仍然遇到此错误，请确保输入的标签张量维度与预测张量的维度相同。如果仍然存在问题，请检查你是否使用了 GPU 并且正确地将数据移动到 GPU 上。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值