img src 放绝对路径报错_PyTorch 22.常见报错的原因和解法

这一篇我们来总结下PyTorch的常见报错信息，首先放上一个石墨文档，里面汇总着各种报错信息以及可能的原因，解决的办法，也希望的大家共建这份文档哦，为所有学习PyTorch的朋友提供帮助~ (Ps.注意遵守格式。)

石墨文档​shimo.im

下面先讲几个：

错误1：

错误2：

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

错误3：

# RuntimeError: invalid argument 0: Sizes of tensors must match except in dimension 0
flag = 0
# flag = 1
if flag:

    class FooDataset(Dataset):
        def __init__(self,  num_data, data_dir=None, transform=None):
            self.foo = data_dir
            self.transform = transform
            self.num_data = num_data

        def __getitem__(self, item):

            size = torch.randint(63, 64, size=(1, ))
            fake_data = torch.zeros((3, size, size))
            fake_label = torch.randint(0, 10, size=(1, ))

            return fake_data, fake_label

        def __len__(self):
            return self.num_data


    foo_dataset = FooDataset(num_data=10)
    foo_dataloader = DataLoader(dataset=foo_dataset, batch_size=4)

    data, label = next(iter(foo_dataloader))

错误4：

# Given groups=1, weight of size 6 3 5 5, expected input[16, 1, 32, 32] to have 3 channels, but got 1 channels instead
# RuntimeError: size mismatch, m1: [16 x 576], m2: [400 x 120] at ../aten/src/TH/generic/THTensorMath.cpp:752
flag = 0
# flag = 1
if flag:

    class FooDataset(Dataset):
        def __init__(self,  num_data, shape, data_dir=None, transform=None):
            self.foo = data_dir
            self.transform = transform
            self.num_data = num_data
            self.shape = shape

        def __getitem__(self, item):

            fake_data = torch.zeros(self.shape)
            fake_label = torch.randint(0, 10, size=(1, ))

            if self.transform is not None:
                fake_data = self.transform(fake_data)

            return fake_data, fake_label

        def __len__(self):
            return self.num_data

错误5：

# AttributeError: 'DataParallel' object has no attribute 'linear'

错误6：

错误7：

错误8：

# RuntimeError: Assertion `cur_target >= 0 && cur_target < n_classes' failed.

错误9：

# RuntimeError: expected device cuda:0 and dtype Long but got device cpu and dtype Long
flag = 0
# flag = 1
if flag:

    x = torch.tensor([1])
    w = torch.tensor([2]).to(device)
    # y = w * x

    x = x.to(device)
    y = w * x

x在GPU上才能正常运行。

# RuntimeError: Expected object of backend CPU but got backend CUDA for argument #2 'weight'

看到这你可能没有明白上面这段代码是想表达什么意思，我们先把resnet18 迁移到GPU里面，但并未把数据也迁移进去。

inputs.to(device)
labels.to(device)
这2行并不会把数据也迁移进GPU里面，因为数据是Tensor，不会执行inplace操作。
所以，要使用下面2行：
inputs = inputs.to(device)
labels = labels.to(device)

错误10：

注意，看到这个报错信息，你一眼看不出来是哪里错了。但是他给了个解决办法：设置num_workers=0，也就是不用多线程加载数据。但如果num_workers=0的话，训练是非常慢的。这个问题的原因是是内存不够，而不是GPU memory不够。

错误11：

这个错误的原因是GPU显存不足，可能是你的师兄师姐把卡给占完了，解决办法是等他们跑完代码或者偷偷滴把他们的进程kill掉嘻嘻~