pytorch使用时一些变量类型的注意事项

1.报错”default_collate: batch must contain tensors, numpy arrays, numbers, dicts or lists; found <U32“

原因：检查dataset的getitem，里面每次获得的数据是否是tensors, numpy arrays, numbers, dicts or lists

我的原始数据里大多数是float，但含有少数str，调用np.array后还是str，

因此for ... in dataloader时，正常迭代出几个batch后就会报错

2.numpy, pytorch类型转换：

参考numpy和torch数据类型转化问题_雷恩Layne的博客-CSDN博客_torch转float

1)numpy：

numpy使用astype转化数据类型，float默认转化为64位，可以使用np.float32指定为32位

a= np.array([1,2,3])

a = a.astype(np.float)

print(a.dtype)

>>>float64

此外，注意

不要用float代替np.float，否则可能出现意想不到的错误；
不能从np.float64位转化np.float32，会报错；
np.float64与np.float32相乘，结果为np.float64；
在实际使用过程中，可以指定为np.float，也可以指定具体的位数，如np.float，不过直接指定np.float更方便；
 

2)torch tensor：

torch使用torch.float()转化数据类型，float默认转化为32位，torch中没有torch.float64()这个方法

b = torch.tensor([4,5,6])

b = b.float()

b.dtype

>>>torch.float32

3.pytorch RuntimeError: expected scalar type Double but found Float

搭神经网络后，传入训练数据时的报错

原因：神经网络中的权重默认是torch.float32吧？但传入的训练数据格式是float64的

解决：

首先

torch.set_default_tensor_type(torch.FloatTensor)

之后对传入的参数：

for batch_idx,tensor in enumerate(trainloader):
    tensor = tensor.to(torch.float32)