debug

构建卷积神经网络时，进行的debug

1. NotImplementedError: Module [CNN_Mnist] is missing the required “forward” function

Traceback (most recent call last):
  File "E:\cnn_mnist.py", line 66, in <module>
    y_pred = model.forward(x_train)  
  File "E:\software\python\python3.8download\lib\site-packages\torch\nn\modules\module.py", line 246, in _forward_unimplemented
    raise NotImplementedError(f"Module [{type(self).__name__}] is missing the required \"forward\" function")
NotImplementedError: Module [CNN_Mnist] is missing the required "forward" function

原因，在初始化时，对forward函数的定义，格式没有对齐，导致没有识别到forward函数。
修改forward函数的递进关系即可。

2.Boolean value of Tensor with more than one value is ambiguous

Traceback (most recent call last):
  File "E:\cnn_mnist.py", line 86, in <module>
    predicted = max(pred_labels, 1)[1]  
RuntimeError: Boolean value of Tensor with more than one value is ambiguous

原因，此时的max函数时python的内置max函数，我们要用的是torch中的max函数，

torch.max(input) → Tensor  #返回输入tensor中所有元素的最大值
troch.max()[1] #只返回最大值的每个索引

所以，进行一下修改。

predicted = tourch.max(pred_labels, 1)[1]

3.ValueError: only one element tensors can be converted to Python scalars

print("total acc: %.2f\n" % (correct_count / total))

对模型的准确率进行输出，是数据类型没有转为python 格式，导致报错。
找到correct_count和total的定义，分析。

correct_count += (predicted == test_labels.cuda()).sum().item() 
total += len(test_labels) 

对correct_count += (predicted == test_labels.cuda()).sum().item()进行理解。
如果预测值等于输出值，进行correct_count +1操作，
.sum() 将所有值相加，得到一个tensor类别的int值，
.item()用于取出tensor中的值，转为python类别。
如果tensor只有一个元素，那么调用item方法的时候就是将tensor转换成python的scalars