解决：TypeError: embedding(): argument ‘indices‘ (position 2) must be Tensor, not tuple

最新推荐文章于 2024-09-27 13:13:38 发布
最新推荐文章于 2024-09-27 13:13:38 发布
阅读量8.4k 收藏 5
点赞数 1
分类专栏： debug 文章标签： python pytorch
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/weixin_42253689/article/details/109451469
版权

 

这里需要将注释行取消掉。至于为什么，咱也不懂。

因为检查之后发现，传入的数据其实是一个tuple

前面tensor是128组index组成的word_list,后面的tensor是每一句话对应的标签，共128个。

所以要将前面的数据拿出来放入模型进行训练，而不是整个tuple。

参考：https://blog.csdn.net/aioku/article/details/109367657

咖乐布小部
关注
专栏目录
解决python中的TypeError: embedding(): argument ‘indices‘ (position 2) must be Tensor, not list
博客而已
10-21 5778
问题描述： 跑卷积神经网络的时候encoder报了错 TypeError: embedding(): argument ‘indices’ (position 2) must be Tensor, not list 上一个输出的结果是一个列表，这里需要的是个张量，因此报错。 a=[torch.tensor([53, 14, 12, 36, 32, 54, 53, 42, 8, 12, 54, 1, 42, 1, 40, 48, 31, 14, 53, 42, 8, 12, 54,
TypeError: conv2d(): argument ‘input‘ (position 1) must be Tensor, not tuple
m0_58442599的博客
12-28 6290
搭建网络过程遇到这个问题，检查训练过程，已经将输入数据通过 transforms.ToTensor() 转换为Tensor格式。 经检查发现是网络结构问题。 网络搭建过程中MaxPool2d（）中设置return_indices=True，这意味着它将返回一个包含值和索引的元组。后面不能直接接卷积层。 ...
【Python报错已解决】TypeError: linear(): argument ‘input‘ (position 1) must be Tensor, not list
鸽芷咕的博客
09-27 884
在Python编程中，类型错误（`TypeError`）是一种常见的错误，它表明代码中存在类型不匹配的问题。`TypeError: linear(): argument 'input' (position 1) must be Tensor, not list` 是一个具体的例子，表明在调用`linear`函数时，期望得到一个Tensor对象作为`input`参数，但实际得到的是一个列表。本文将探讨这个错误的原因，并提供几种解决方案。
argument 'indices' must be tuple of Tensors, not Tensor
前进ing的博客
05-05 2604
当我做loss backward的时候，遇到这个问题。 先是查到，这个问题可以通过autograd.variable解决，我将最后得到loss的中间变量加上之后觉得无法利用之前的信息 手写双线性插值也并不能解决这个问题 在pytorch社区发现类似问题，有人提出，不用index，而是用 gather, index_put_ , masked_scatter_ or grid_sample ，给...
TypeError: kl_div(): argument ‘target‘ (position 2) must be Tensor, not numpy.int64
yayayamaomaoya的博客
12-25 3212
问题描述 File “D:/python/modelsmy/trainvgg16.py”, line 77, in train(net, train_dataSet, df_train, test_dataSet, df_test, optimizer, device, num_epochs) File “D:/python/modelsmy/trainvgg16.py”, line 34, in train l = loss(y_hat, y) TypeError: kl_div(): argument
1.Transformer的word embedding、position embedding、编码器子注意力的掩码
weixin_44846755的博客
10-11 2095
1.Transformer的word embedding、position embedding、编码器子注意力的掩码和decoder
torch.nn.AvgPool1d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True)
weixin_67609590的博客
06-13 5623
torch.nn.AvgPool1d(kernel_size, stride=None, padding=0, ceil_mode=False, count_include_pad=True)
TypeError: embedding(): argument 'indices' (position 2) must be Tensor, not numpy.ndarray
最新发布
10-18
解决这个问题，你需要将你的`indices`转换成Tensor。如果你的`indices`是从numpy数组创建的，可以这样做： ```python import torch # 如果 indices 是 numpy 数组 indices = np.array([...]) indices = torch.from_...
TypeError: tuple indices must be integers or slices, not str
SJZSZYH的博客
11-12 1458
以上报错是我在学习吴恩达深度学习时，自己打的代码出现的报错，解决方案就是将。中更新参数时候的选择momentum和adam时。修改为一下：（再引用函数的时候，参数写少了）
TypeError: int() argument must be a string, a bytes-like object or a number, not ‘tuple’
12-20
在调整网络时遇到一个问题： File "D:\python\lib\site-packages\tensorflow_core\python\keras\engine\base_layer.py", line 529, in add_weight aggregation=aggregation) File "D:\python\lib\site-packages\...
Python BeautifulSoup [解决方法] TypeError: list indices must be integers or slices, not str
01-20
在Python编程中，BeautifulSoup库是一个非常常用的网页解析工具，尤其...通过以上方法，你可以有效地解决`TypeError: list indices must be integers or slices, not str`的错误，并继续进行网页解析和数据提取的工作。
Python 索引报错：TypeError: byte indices must be integers or slices, not tuple
Robin_Pi的博客
12-30 9620
文章目录1. 问题2. 问题再现3. 反思 对于新手来说，这是一个极其低级还不容易发现的错误！！！ 1. 问题 出现报错：TypeError: byte indices must be integers or slices, not tuple或者TypeError: string indices must be integers 2. 问题再现 用两个例子来解释： （1） def test_add(a, b): return a+b test(1,1) 结果是 2 （2） def test
pytorch中数据集的划分方法及eError: take(): argument 'index' (position 1) must be Tensor, not numpy.ndarray错误原因
^_^
12-27 2万+
在使用pytorch框架时，难免需要对数据集进行训练集和验证集的划分，一般使用sklearn.model_selection中的train_test_split方法 该方法使用如下： from sklearn.model_selection import train_test_split import numpy as np import torch import torch.autogra...
解决报错：TypeError: log_sigmoid(): argument ‘input‘ (position 1) must be Tensor, not torch.return_types.
muli
02-02 5128
报错如下： TypeError: log_sigmoid(): argument 'input' (position 1) must be Tensor, not torch.return_types.max torch.max()的返回类型为 torch.return_types.max fused_scores = torch.max(scores, 0) 查看 fused_scores 的输出 fused_scores: torch.return_types.max( values=tensor
Error converting shape to a TensorShape: int() argument must be a string or a number, not 'tuple'.
weixin_40759186的博客
10-09 5034
def model_inputs(real_dim, z_dim): #    inputs_real = tf.placeholder(tf.float32, (None, *real_dim), name='input_real')     inputs_real = tf.placeholder(tf.float32, (None, 32,32,3), name='input_real') ...
TypeError系列之：TypeError: conv2d(): argument 'input' (position 1) must be Tensor, not NoneType
热门推荐
qq_41368074的博客
04-16 3万+
这里出现类似错误往往是因为，conv2d()函数的第一个参数，需要时一个tensor行的数据，然而却赋值成了not后给的类型。 我出现问题的原因是，中间有一个函数缺少返回值，因此会造成NoneType的错误。其余错误类似，只需把送给conv2d()的数据转换成tensor即可； 这里：numpy 和 tensor数据相互转换的方法： 1.numpy->tensor data = to...
{TypeError}clamp(): argument 'min' must be Number, not Tensor
jacke121的专栏
02-01 7114
  {TypeError}clamp(): argument 'min' must be Number, not Tensor   x1是二维数组， xx1 = x1[order[1:]].clamp(min=x1[i]) 解决方法： x1=x1.cpu().data  
torch.stack 和 torch.cat 错误：argument 'tensors' (position 1) must be tuple of Tensors, not Tensor
月下花弄影
09-03 2万+
本篇博文介绍pytorch中一些函数的输入问题，主要是tensor 和 tensors的区别。 在pytorch中我们也有对一个数据的叠加： pytorch.stack ，这个函数可以在数据叠加的同时，扩展数据维度。比如说我们把三个数叠加到一起，可以组成一个二维的矩阵，得到的二维矩阵可以是[1, 2]，也可以是[2, 1]。 pytorch.cat，这个函数是直接把两个数据连接起来，维度是不变的。...
pytorch基础操作学习笔记（autograd，Tensor）
肥宅Sean
11-23 3764
简述 简单讲讲关于torch.autograd内容（因为我也有点菜） 文章目录简述简单讲讲Tensor介绍Tensor创建Tensor获取Tensor数据规模将tensor转成其他数据类型改变Tensor形状Tensor的切片操作Tensor的比较Tensor的数据筛选Tensor其他常用函数index_select(input, dim, index)函数masked_select(input,...
评论 1
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