解决torch.nn.Embedding(index out of range in self)问题

在 使用torch时遇到Embedding的问题:return torch.embedding(weight, input, padding_idx, scale_grad_by_freq, sparse)

IndexError: index out of range in self

查了好多资料,看了官方文档都说是因为Embedding层张量输入超过范围,这个范围就是torch.nn.Embedding(num_embeddings,embedding_dim)中的num_embeddings,合法范围在[0,num_embeddings-1]内,对于输入的ini = torch.LongTensor([[]])数据不是看数据的个数是否超过范围,而是看数据的大小,通过打印

print(ini.min())

print(ini.max())

得到输入tensor的数据最大最小值判断是否超过合法范围

如果超过

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
torch.nn.Embedding函数是PyTorch中用于实现词嵌入的函数。它的参数包括num_embeddings(表示词汇表的大小)、embedding_dim(表示每个词嵌入的维度)等等。\[1\] 关于"index out of range in self"的错误,可能是因为你传入的索引超出了词汇表的范围。在使用nn.Embedding函数时,需要确保传入的索引值在num_embeddings的范围内。\[2\]例如,如果你的词汇表大小为4,那么传入的索引值应该在0到3之间。如果传入的索引超出了这个范围,就会出现"index out of range in self"的错误提示。 另外,需要注意的是,nn.Embedding函数的输入值应该是整数类型的张量。如果你传入的是浮点数类型的张量,也会导致出现"index out of range in self"的错误。\[3\] 因此,要解决这个错误,你需要检查传入nn.Embedding函数的索引值是否在合理的范围内,并且确保传入的是整数类型的张量。 #### 引用[.reference_title] - *1* *3* [关于torch.nn.Embedding需要注意的几点](https://blog.csdn.net/weixin_42670810/article/details/115264280)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* [nn.embedding层报错index out of range in self详解](https://blog.csdn.net/weixin_42912710/article/details/114479862)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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