使用torchsnooper自动输出变量的类型（float/int , cpu/cuda）

又来更新啦！要想不被生活按在地上摩擦，还是得功夫下在平时！

今天更新一个发现的好包，此处应有掌声（啪啪啪）--> torchsnooper

也是属于我pytorch大军中的一员，哈哈。

这个主要是解决什么问题内？

不知道你们会不会遇到这种情况：

RuntimeError: Expected object of backend CPU but got backend CUDA for sequence element 1 in sequence argument at position #1 'tensors'

或者是这种：

RuntimeError: Expected object of scalar type Byte but got scalar type Long for argument

这种问题可以统称为tensor类型不匹配问题，可以是tensor位置类型的不匹配(一个在cpu，一个在gpu)，也可以是tensor数据类型的不匹配（一个是int，一个float）。但是这种模糊的错误提示你往往不知道改怎么改，改哪个，考虑到这些，参与过pytorch和tensorflow的某个大佬坐不住了，第二天早上起来敲了敲键盘，开源了一个库，叫做torchsnooper。

github网址：

https://github.com/zasdfgbnm/TorchSnooper

这个库就是用来解决tensor的类型自动输出的，具体使用方法可以见这个链接，也可以往下看，其实很简单。

比如下面这段提示：

通过提示可以定位到函数，在我这里是forward函数。然后，我们使用torchsnooper

1）引入库

import torchsnooper

2）在对应函数上面添加 @torchsnooper.snoop()

在我这里，就是在forward函数上面添加

@torchsnooper.snoop()
def forward(self, cur_state, next_state, action):
    action = torch.cat((action[0], action[1]), dim=-1)
    # predict action
    encode_state = self.base(cur_state)
    encode_next_state = self.base(next_state)
    actor_features = self.inverse_net(torch.cat((encode_state, encode_next_state), dim=-1))
    predict_next_state = self.forward_net(torch.cat((encode_state, action), dim=-1))

    return encode_next_state, predict_next_state, actor_features

然后直接运行，查看控制台的输出：

可以看到，action是一个tuple，第一个数据来自cpu，第二个数据来自cuda。

然后找一个为什么第一个数据是cpu的，从里往外找，还是使用@来输出，发现在convert_action函数中使用了

action_cat_convert = torch.zeros(batch_size, self.uav_num)

默认是cpu的数据类型，把他放到cuda上：

action_cat_convert = torch.zeros(batch_size, self.uav_num, device='cuda')

运行成功！