PyTorch学习笔记（32）pytorch常见报错信息

pytorch常见报错信息

1.报错：

ValueError: num_samples should be a positive integer value, but got num_samples=0

可能的原因：

传入的Dataset中的len(self.data_info)==0，即传入该dataloader的dataset里没有数据

解决方法：

1. 检查dataset中的路径，路径不对，读取不到数据。
2. 检查Dataset的__len__()函数为何输出为零

2.报错：

TypeError: pic should be PIL Image or ndarray. Got <class ‘torch.Tensor’>

可能的原因：

当前操作需要PIL Image或ndarray数据类型，但传入了Tensor

解决方法：

1. 检查transform中是否存在两次ToTensor()方法
2. 检查transform中每一个操作的数据类型变化

3.报错：

RuntimeError: invalid argument 0: Sizes of tensors must match except in dimension 0. Got 93 and 89 in dimension 1 at /Users/soumith/code/builder/wheel/pytorch-src/aten/src/TH/generic/THTensorMath.cpp:3616

可能的原因：

dataloader的__getitem__函数中，返回的图片形状不一致，导致无法stack

解决方法：检查__getitem__函数中的操作

4.报错：

conv: RuntimeError: Given groups=1, weight of size 6 1 5 5, expected input[16, 3, 32, 32] to have 1 channels, but got 3 channels instead
linear: RuntimeError: size mismatch, m1: [16 x 576], m2: [400 x 120] at …/aten/src/TH/generic/THTensorMath.cpp:752

可能的原因：

网络层输入数据与网络的参数不匹配

解决方法：

1. 检查对应网络层前后定义是否有误
2. 检查输入数据shape

5.报错：

AttributeError: ‘DataParallel’ object has no attribute ‘linear’

可能的原因：

并行运算时，模型被dataparallel包装，所有module都增加一个属性 module. 因此需要通过 net.module.linear调用

解决方法：

1. 网络层前加入module.

6.报错:

RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device(‘cpu’) to map your storages to the CPU.

可能的原因：gpu训练的模型保存后，在无gpu设备上无法直接加载

解决方法：

1. 需要设置map_location=“cpu”

7.报错：

AttributeError: Can’t get attribute ‘FooNet2’ on <module ‘main’ from ’

可能的原因：

保存的网络模型在当前python脚本中没有定义

解决方法：

1. 提前定义该类

8.报错：

RuntimeError: Assertion `cur_target >= 0 && cur_target < n_classes’ failed. at …/aten/src/THNN/generic/ClassNLLCriterion.c:94

可能的原因：

1. 标签数大于等于类别数量，即不满足 cur_target < n_classes，通常是因为标签从1开始而不是从0开始

解决方法：

1. 修改label，从0开始，例如：10分类的标签取值应该是0-9

9.报错：

RuntimeError: expected device cuda:0 and dtype Long but got device cpu and dtype Long
Expected object of backend CPU but got backend CUDA for argument #2 ‘weight’

可能的原因：

需计算的两个数据不在同一个设备上

解决方法：采用to函数将数据迁移到同一个设备上

10. 报错：

RuntimeError: DataLoader worker (pid 27) is killed by signal: Killed. Details are lost due to multiprocessing. Rerunning with num_workers=0 may give better error trace.

可能原因：

内存不够（不是gpu显存，是内存）

解决方法：申请更大内存

# -*- coding: utf-8 -*-


import os
import numpy as np
import torch
import torch.nn as nn
import torch.optim as optim
import torchvision.transforms as transforms
import torchvision.models as models
from torch.utils.data import DataLoader
from tools.my_dataset import RMBDataset
from torch.utils.data import Dataset
from model.lenet import LeNet
BASE_DIR = os.path.dirname(os.path.abspath(__file__))
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

# ========================== 1 num_samples=0
flag = 0
# flag = 1
if flag:
    # train_dir = os.path.join("..", "data", "rmb_split", "train")
    train_dir = os.path.join("..", "..", "data", "rmb_split", "train")
    train_data = RMBDataset(data_dir=train_dir)

    # 构建DataLoder
    train_loader = DataLoader(dataset=train_data, batch_size=16, shuffle=True)


# ========================== 2
# TypeError: pic should be PIL Image or ndarray. Got <c