pytorch训练时报传入的数据为元组类型,无法to.device,以及报ValueError: too many values to unpack (expected 2)–这个就是得看dataset。
首先,可以先debug一下,查看导入的数据和标签是什么类型,然后再查看它的大小,是不是与你网络所匹配,如果是输入维度不匹配,可以在制作dataset时添加或者减小维度。
Seis = Seis.permute(0, 1, 2) #4个输入排好序
Seis = Seis.unsqueeze(dim=0) #压缩维度,去掉第一个
其次,检查dataset(调用Dataset类并实例化,且作为输入网络的数据)所传入的第一个元素,也就是我的Seis,是什么类型,且shape为多大,同理可知Vmodel(标签),如果大小和类型不是输入网络所要求的,可能它会是DataFrame=4000这种,那么肯定会保错,因为网络需要的只能是tensor。
解决方法:那么就要再对dataset进行拆分,然后重新构建Seis和Vmodel。下面我把新的数据存在了Seis_all和Vmodel_all中(它们存储了整个dataset的数据,查看shape会发现第一个为data_size,那么就正确了),之后就是将新的数据传入网络就可以了。
# 读取样本数据及标签
Seis_all=[]
Vmodel_all=[]
for j in range(len(dataset)):
Seis=dataset[j][0]
Seis = Seis.numpy() # 再把tensor转为numpy
Seis_all.append(Seis)
Vmodel = dataset[j][1]
Vmodel = Vmodel.numpy()
Vmodel_all.append(Vmodel)
Seis_all = torch.tensor(np.array(Seis_all), dtype=torch.float32)
Vmodel_all = torch.tensor(np.array(Vmodel_all), dtype=torch.float32)