【已解决】【读取图像以及标签应该人为设置类型】Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor)

最新推荐文章于 2023-04-26 21:08:49 发布
最新推荐文章于 2023-04-26 21:08:49 发布
阅读量2.5k 收藏
点赞数
分类专栏： 错误集锦 torch
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/YJYS_ZHX/article/details/114374927
版权
1 问题描述
Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same

输入input和参数weight类型应该一致。

2 分析

经过查找后，发现在读取图片和标签的时候，并没有对其类型进行转化，就可能根据图像本身的大小设置，代码中出现的类型刚开始是float32，后边有的图像是float64，导致输入与参数类型不匹配。

3 结论

读取图像和标签时，应该人为设定其类型，将所有的数据转化为同一类型。

参考文献：【已解决】Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same

关于标签要设置为long类型：【pytorch】【已解决】RuntimeError: Expected object of scalar type Long but got scalar type Int for argument
关于图像设置为float32或者64

「已注销」
关注
专栏目录
RuntimeError: expected scalar type Half but found Float解决方案
weixin_43178406的博客
04-28 9万+
本文主要介绍了RuntimeError: expected scalar type Half but found Float解决方案，希望能对同学们有所帮助。 文章目录 1. 问题描述 2. 训练的解决方案 3. 预测的解决方案
torch.floattensor与troch.cuda.floattensor不匹配问题
cxkshizhenshuai的博客
07-22 3276
1、模型为CPU。而data数据为GPU，则需要model.to(device) 2、大部分情况是model为GPU而输入data为CPU，此时 错误内容大概就是指输入类型是CPU（torch.FloatTensor），而参数类型是GPU（torch.cuda.FloatTensor）。 关于数据类型的链接：官方链接 首先，请先检查是否正确使用了CUDA。 通常我们这样指定使用CUDA： device = torch.device("cuda" if torch.cuda.is_availabl
解决办法Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same
甜度超标的博客
03-24 6605
问题描述 在使用hiddenlayer进行模型结构可视化时报错： RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same 原因分析 输入类型（torch.FloatTensor）和权重类型（torch.cuda.FloatTensor）应该相同。 首先检查自己是否使用了GPU进行加速， if args.gpu: os.environ["CUDA_V
RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be...
qq_45945700的博客
11-22 719
RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be...
错误处理：RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be
qq_40206371的博客
10-03 982
使用torchsummary的时候，出现以下错误： （涉及板块： python 库整理：Timm（1）_UQI-LIUWJ的博客-CSDN博客 pytorch 笔记：torchsummary_UQI-LIUWJ的博客-CSDN博客 代码部分 import timm model = timm.create_model('resnet18', pretrained=True) model.to_device('cpu') model.eval() from torchsummary import.
【torch错误】Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same
yyj3900636的博客
02-17 1937
使用torch训练模型时，出现错误： “Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same” 错误原因： 模型放入GPU后也只能处理数据类型为cuda的GPU数据，但你在把数据输入进模型之前并未做转换，依然是张量类型 。因此出错，二者必须一致。 例如： device = torch.device('cuda:0') Mymodel = VGGModel().to(device)
PyTorch源码解读之torch.utils.data.DataLoader
热门推荐
AI之路
01-14 22万+
PyTorch中数据读取的一个重要接口是torch.utils.data.DataLoader，该接口定义在dataloader.py脚本中，只要是用PyTorch来训练模型基本都会用到该接口，该接口主要用来将自定义的数据读取接口的输出或者PyTorch已有的数据读取接口的输入按照batch size封装成Tensor，后续只需要再包装成Variable即可作为模型的输入，因此该接口有点承上启下的
[pytorch] torch.onnx.export 使用及自定义层构建
头狼博客
07-14 1439
构建pytorch转onnx的自定义层
torch.backends.cudnn.benchmark
weixin_36670529的博客
04-18 9009
大家在训练深度学习模型的时候，经常会使用 GPU 来加速网络的训练。但是说起 torch.backends.cudnn.benchmark 这个 GPU 相关的 flag，可能有人会感到比较陌生。在一般场景下，只要简单地在 PyTorch 程序开头将其值设置为 True，就可以大大提升卷积神经网络的运行速度。既然如此神奇，为什么 PyTorch 不将其默认设置为 True？它的适用场景是什么？为什么使用它可以提升效率？答案就在本文之中。 注：因为相关的参考资料比较少，文章的内容是根据我自己的理解和测试的结
torch.optim
weixin_36670529的博客
04-30 2396
目录 如何使用一个优化器 构建它 预参数选项 采取优化步骤 算法 class torch.optim.Optimizer(params, defaults)[source] add_param_group(param_group)[source] load_state_dict(state_dict)[source] state_dict()[source] zero_grad()[source] class torch.optim.Adadelta(params, lr=1.0, r
Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same
qq_37665306的博客
01-11 2083
Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same 出错原因是：网络的权重数据类型没有加载成torch.cuda.FloatTensor，但是训练用的数据已经在训练文件中转成了torch.cuda.FloatTensor类型。 出错的原因是：自己编写的网络忘记nn.Mo...
【Bug】Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be same
学无止境、积少成多、厚积薄发
10-13 399
今天部署模型时遇到一个问题： RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same 报错原因： 原因是cpu和cdua 使用的不一致，我这里是因为模型加载时没用将其分配到GPU中，做个记录。 解决办法： device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu") prin
Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same
qq_35037684的博客
04-21 357
报错： File "/opt/conda/lib/python3.7/site-packages/torch/nn/modules/conv.py", line 416, in _conv_forward self.padding, self.dilation, self.groups) RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same 在
（已经解决）在做深度学习分类时或者其他应用出现RuntimeError:Input type and weight type should be the same。
weixin_42042056的博客
05-08 838
RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same.已经解决 显示这里有错误： model = nn.Sequential(*list(trained_model.children())[:-1], #[b, 512, 1, 1] 取前1...
Pytorch出现RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor)
nyist_yangguang的博客
06-28 597
https://www.lizenghai.com/archives/41780.html 最近开始学习pytorch，在训练时出现标题所示问题。浏览了很多方法后，总结出出现这个问题的主要原因是输入的数据类型与网络参数的类型不符。 Input type为torch.cuda.FloatTensor（GPU数据类型）， weight type（即net.parameters）为torch.FloatTensor（CPU数据类型） 网上资料大多数的解决方法是 将网络放到GPU上。有以下两种方法 ..
深度学习入门基础教程(三) CNN做MNIST数据集图像分类 pytorch版代码
是鲤鱼啊
06-06 2108
一. 原理解读 这个和上一篇教程一样，都是简单的图像分类，只是针对的数据集不同。鉴于是入门教程，再仔细写一遍 分享一篇我觉得非常适合新手理解CNN的博文https://blog.csdn.net/XYlittlework/article/details/79903225 MNIST数据集(训练集6万张，测试集1万张，每张灰度图28*28*1(单通道)，数字0-9对应标签值0-9)如下： ...
新手避坑：RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be
super199812的博客
10-24 3715
新手Pytorch避坑
python 报错：Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same
weixin_40893448的博客
04-26 2596
需要在网络模型model = MSTransception(num_classes=9)后面添加设备即可，即；model = MSTransception(num_classes=9).cuda()则需要在网络模型model = MSTransception(num_classes=9)后面添加设备，即；为了检测网络是能够正常执行时，如果运行整个代码则会导致不知道问题出在哪且不利于排查错误，因此，我们只需将所提模型单独进行进行检测以确保所提模型是正确的。
Input type (torch.FloatTensor) and weight type (torch.cuda.HalfTensor) 怎么解决
最新发布
03-16
在PyTorch中，输入类型（input）和权重类型（weight type）不匹配的问题可以通过以下几种方式解决： 1. 类型转换（Type Conversion）：可以使用`to()`方法将输入张量转换为与权重类型相同的类型。例如，可以使用`input_tensor = input_tensor.to(torch.cuda.HalfTensor)`将输入张量转换为`torch.cuda.HalfTensor`类型。 2. 数据类型一致化（Type Consistency）：在模型训练之前，可以确保输入张量和权重张量的数据类型一致。可以使用`input_tensor = input_tensor.type(torch.cuda.HalfTensor)`将输入张量的数据类型设置为与权重类型相同的类型。 3. 模型参数转换（Model Parameter Conversion）：如果模型的权重类型与输入类型不匹配，可以通过将模型的权重参数转换为与输入类型相同的类型来解决。可以使用`model.to(torch.cuda.HalfTensor)`将模型的权重参数转换为`torch.cuda.HalfTensor`类型。 4. 混合精度训练（Mixed Precision Training）：PyTorch提供了混合精度训练的功能，可以同时使用浮点半精度（float16）和浮点全精度（float32）进行训练。这样可以在一定程度上解决输入类型和权重类型不匹配的问题。
评论 1
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