2018-07-17-pytorch-Expected-object-of-type-torch-DoubleTensor-argument

titlecategorylayouttagsdate
RuntimeError: Expected object of type torch.DoubleTensor but found type torch.FloatTensor for argument #2 'weight'解决办法
dl
post
Pytorch
dl
2018-07-17 17:42:24
RuntimeError: Expected object of type torch.DoubleTensor but found type torch.FloatTensor for argument #2 'weight'

今天遇到这个问题,一开始以为是输入的Tensor的问题,后来一检查发现是Model中的weight的数据类型跟输入不同的关系。

输入的是DoubleTensor类型,而模型默认的是FloatTensor类型,导致数据类型不一致报错。

解决的办法就是在模型创建和输入的时候统一数据类型,比如:

		self.cnn7=torch.nn.Conv2d(1, 1, (7,100), stride=(1,1),padding=(3,0)).float()
		self.linear=torch.nn.Linear(3,2).float()

另外值得注意的一点是FloatTensor在CPU中的执行效率比DoubleTensor更高。因为尽量采用FloatTensor类型。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这个错误通常在PyTorch中进行矩阵乘法(bmm)时出现,原因是您的输入张量的维度不匹配。bmm函数需要两个3D张量作为输入。第一个张量应该是形状为(batch_size, n, m)的张量,第二个张量应该是形状为(batch_size, m, p)的张量。其中,batch_size是批大小,n、m和p是矩阵的维度。 如果您的张量不是3D张量,则需要使用view()或reshape()函数来更改张量的形状。如果您的张量是2D张量,则可以使用unsqueeze()函数来将其转换为3D张量。 以下是一个示例,说明如何将两个2D张量转换为3D张量,并使用bmm函数进行矩阵乘法: ``` python import torch # 生成两个2D张量 batch_size = 2 m = 3 n = 4 p = 5 tensor1 = torch.randn(batch_size, m, n) tensor2 = torch.randn(batch_size, n, p) # 将2D张量转换为3D张量 tensor1 = tensor1.unsqueeze(1) # 在第二个维度上添加一个新的维度 tensor2 = tensor2.unsqueeze(1) # 使用bmm函数进行矩阵乘法 result = torch.bmm(tensor1, tensor2) print(result.shape) # 输出为(batch_size, 1, m, p) ``` 在这个示例中,我们首先生成了两个2D张量,然后使用unsqueeze()函数将它们转换为3D张量。最后,我们使用bmm函数进行矩阵乘法,并打印结果张量的形状。请注意,结果张量的形状为(batch_size, 1, m, p),其中第二个维度为1,因为我们在unsqueeze()函数中添加了一个新的维度。如果您不需要这个额外的维度,请使用squeeze()函数将其删除。
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