pytorch中 tensor.dot()方法报错1D tensors expected, got 2D, 2D tensors

最新推荐文章于 2024-04-26 16:19:48 发布
最新推荐文章于 2024-04-26 16:19:48 发布
阅读量8.7k 收藏 7
点赞数 4
分类专栏： python pytorch 文章标签： python
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/qq_36852840/article/details/105224662
版权

RuntimeError: 1D tensors expected, got 2D, 2D tensors at C:\w\1\s\windows\pytorch\aten\src\TH/generic/THTensorEvenMoreMath.cpp:774

这是由于在pytorch0.3之后，tensor.dot()方法进行了更新，只能对1维的tensor进行点成运算。所以只要检查一下自己输入的tensor是否为1维即可，此外tensor.dot()方法不能进行广播。

11格格BLUE
关注
  • 4
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Expected list, got numpy.ndarray
sdaujz的博客
05-09 1336
调试图网络代码时报的错，之前调试TextGCN的代码也报过类似的错误 解决： 先将numpy版本降低，不行， 又将scipy版本降低，就可以了 python 3.6.9, numpy 1.16.4, scipy 1.3.0 ...
Pytorch学习笔记(9)——一文搞懂如何使用 torch 中的乘法
LiQZ的博客
08-29 3547
Pytorch 中矩阵乘法，包括点积与对位相乘调库的说明
Pytorch常用乘法函数总结：torch.mul()、*、torch.mm()、torch.bmm()、torch.mv()、torch.dot()、@、torch.matmul()
最新发布
qq_43629945的博客
04-26 1583
torch.mul() 和 * 等价，为element-wise乘，可广播；torch.mm() 二维矩阵乘法，torch.bmm() 三维批量矩阵乘法，均不可广播；torch.mv(mat, vec) 为矩阵向量乘法，不可广播；torch.dot() 仅支持两个一维向量点积，返回一个标量数字；@ 矩阵乘法，等价于 torch.dot() + torch.mv() + torch.mm()；torch.matmul() 矩阵乘法，与 @ 类似，但它不止一维二维，可扩高维，可广播
pytorch tensor dot matmal mul mm @矩阵操作大全
Yonggie的博客
05-13 498
所有操作都在此两个张量下操作。 a=torch.tensor([[1,2,3],[2,3,4]]) b=torch.tensor([[2,3,4],[3,4,5]]) print(a.dot(b))# 不能运算，dot只能1D tensor对应元素相乘后相加。 # 比如a=[1,2,3] and b=[2,3,4], 那么a.dot(b)就是1*2+2*3+3*4=一个值。 print(a.mul(b)) #对应元素相乘，获得一个同shape的矩阵 # 显示 tensor([[ 2, 6, 12],
《动手学深度学习》读书笔记：第2章 预备知识
weixin_44850744的博客
03-09 374
第2章 预备知识 2.1 获取和运行本书的代码 2.1.1 获取代码并安装运行环境 1.Windows用户 2.Linux/macOS用户 2.1.2 更新代码和运行环境 conda env update -f environment.yml 2.1.3 使用GPU版的MXNet 2.2 数据操作 2.2.1 创建NDArray ...
遇到：tensorflow.python.framework.errors_impl.InvalidArgumentError: slice 错误应该如何解决
牛肉胡辣汤
08-06 912
遇到 "tensorflow.python.framework.errors_impl.InvalidArgumentError: slice index 1 of dimension 0 out of bounds" 错误通常表示在使用 TensorFlow 进行张量切片操作时，切片索引超出了张量的维度范围。这个示例代码创建了一个 2x3 的张量，并对其进行了切片操作，取出了索引为 (0, 1) 的元素，即第一行第二列的元素。如果你能提供更多的具体信息，我可以给出更加针对性的示例代码。
PyTorch中 tensor.detach() 和 tensor.data 的区别详解
09-18
今天小编就为大家分享一篇PyTorch中 tensor.detach() 和 tensor.data 的区别详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
pytorch中tensor.expand()和tensor.expand_as()函数详解
12-23
tensor.expend()函数 >>> import torch >>> a=torch.tensor([[2],[3],[4]]) >>> print(a.size()) torch.Size([3, 1]) >>> a.expand(3,2) tensor([[2, 2], [3, 3], [4, 4]]) >>> a tensor([[2], [3], [4]]) 可以...
pytorch中torch.max和Tensor.view函数用法详解
12-23
torch.max()简单来说是返回一个tensor中的最大值。 例如： >>> si=torch.randn(4,5) >>> print(si) tensor([[ 1.1659, -1.5195, 0.0455, 1.7610, -0.2064], [-0.3443, 2.0483, 0.6303, 0.9475, 0.4364], [-1.5268...
RuntimeError: 0D or 1D target tensor expected, multi-target not supported报错解决方案
m0_63265516的博客
10-09 2994
RuntimeError: 0D or 1D target tensor expected, multi-target not supported报错解决方案
PyTorch 笔记（09）— Tensor 线性代数计算（torch.trace、torch.diag、torch.mm、torch.dot、torch.inverse逆矩阵、转置）
wohu1104的专栏
07-26 1万+
1. 常用函数 常用线性表函数如下表所示：
torch.mm, torch.matmul 和torch.mul的区别： RuntimeError: 2D tensors expected, got 4D
NLOS的博客
08-16 1487
点乘：torch.mul torch.mul(a, b)是矩阵a和b点乘，a和b的维度必须相等，比如a的维度是(1, 2)，b的维度是(1, 2)，返回的仍是(1, 2)的矩阵 矩阵乘法：torch.mm和torch.mul torch.mm(a, b)是矩阵a和b矩阵相乘，比如a的维度是(1, 2)，b的维度是(2, 3)，返回的就是(1, 3)的矩阵 torch.matmul则可以用于两个图片矩阵相乘，如a的维度是[bs,3,128,256]; b的维度是[bs, 3, 256,512],.
决策树python建模中的坑 ：ValueError: Expected 2D array, got 1D array instead:
weixin_30340819的博客
01-08 727
决策树python建模中的坑 代码 #coding=utf-8from sklearn.feature_extraction import DictVectorizerimport csvfrom sklearn import treefrom sklearn import preprocessingfrom sklearn.externals.six import StringIOall...
PyTorch(总)——PyTorch遇到令人迷人的BUG与记录
热门推荐
hudongloop的博客
06-28 12万+
这篇博客就用来记录在使用pytorch时遇到的BUG，虽然年纪大了，但是调出BUG还是令人兴奋^_^! BUG1： 在使用NLLLoss()激活函数时，NLLLoss用来做n类分类的，一般最后一层网络为LogSoftmax，如果其他的则需要使用CrossEntropyLoss。其使用格式为：loss(m(input), target)，其中input为2DTensor大小为（minibatch...
Pytorch遇到的问题及解决方案 - 更新ing
Tsingzao的博客
01-17 4万+
1、安装完成后，不能import torch，提示 ImportError: dlopen: cannot load any more object with static TLS 解决办法：有很多答案都说是将import torch放在import cv2之前，但我试了之后还是不能解决，最后是通过在jupyter notebook中可以直接import torch。我是通过mobarxterm...
torch: Invalid index in scatter at c:\a\w\1\s\windows\pytorch\aten\src\th\gene 解决
NockinOnHeavensDoor的博客
03-23 4013
文档了解：https://pytorch.org/docs/stable/tensors.html?highlight=scatter_#torch.Tensor.scatter_ scatter_(dim, index, src) → Tensor Writes all values from the tensor src into self at the indices specifi...
pytorch 踩坑记
Hello Nerd!
03-28 1544
1.【转】由于研究关系需要自己手动给卷积层初始化权值，但是好像博客上提到的相关文章比较少（大部分都只提到使用nn.init里的按照一定分布初始化方法），自己参考了下Pytorch的官方文档，发现有两种方法吧。所以mark下。 import torch import torch.nn as nn import torch.optim as optim import numpy as np # ...
pytorch报错：Got 3 and 1 in dimension 1 at /pytorch/aten/src/TH/generic/THTensorMath.c:3586
猫猫与橙子的博客
06-17 1393
File "/home/fuxueping/sdb/Caffe_Project_Train/github/InsightFace_Pytorch- master_new/Learner.py", line 295, in train for batch_idx, (batch_sample) in progress_bar: File "/home/fuxueping/anaco...
RuntimeError: Sizes of tensors must match except in dimension 1. Expected size 24 but got size 32 for tensor number 1 in the list.
01-06
这个错误是由于张量的尺寸不匹配导致的。根据引用中的错误信息，错误发生在维度1上，期望的尺寸是24，但实际得到的尺寸是32。这意味着在处理张量列表时，第一个张量的尺寸与其他张量的尺寸不匹配。 要解决这个问题，你可以检查你的代码，确保在创建张量列表时，所有的张量都具有相同的尺寸。你可以使用PyTorch的`torch.Size`函数来检查张量的尺寸，并使用`torch.Tensor.size()`方法来获取张量的具体尺寸。 以下是一个示例代码，用于检查张量列表中的张量尺寸是否匹配： ```python import torch tensor_list = [tensor1, tensor2, tensor3] # 假设这是你的张量列表 expected_size = tensor_list[0].size(1) # 获取期望的尺寸 for i, tensor in enumerate(tensor_list): if tensor.size(1) != expected_size: print(f"Size mismatch for tensor number {i+1}. Expected size {expected_size} but got size {tensor.size(1)}.") ``` 你需要将上述代码中的`tensor1`，`tensor2`和`tensor3`替换为你实际使用的张量。这段代码将遍历张量列表，并检查每个张量的尺寸是否与期望的尺寸匹配。如果有任何尺寸不匹配的情况，它将打印出相应的错误信息。

“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

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