RuntimeError: Ожидаемый объект скалярного типа Long, но получил скалярный тип Float для аргумента №2 'mat2', как это исправить? - PullRequest
Новая
       11

RuntimeError: Ожидаемый объект скалярного типа Long, но получил скалярный тип Float для аргумента №2 'mat2', как это исправить?

2 голосов
/ 29 сентября 2019 

import torch.nn as nn 
import torch 
import torch.optim as optim
import itertools

class net1(nn.Module):
    def __init__(self):
        super(net1,self).__init__()

        self.pipe = nn.Sequential(
            nn.Linear(10,10),
            nn.ReLU()
        )

    def forward(self,x):
        return self.pipe(x.long())

class net2(nn.Module):
    def __init__(self):
        super(net2,self).__init__()

        self.pipe = nn.Sequential(
            nn.Linear(10,20),
            nn.ReLU(),
            nn.Linear(20,10)
        )

    def forward(self,x):
        return self.pipe(x.long())



netFIRST = net1()
netSECOND = net2()

learning_rate = 0.001

opt = optim.Adam(itertools.chain(netFIRST.parameters(),netSECOND.parameters()), lr=learning_rate)

epochs = 1000

x = torch.tensor([1,2,3,4,5,6,7,8,9,10],dtype=torch.long)
y = torch.tensor([10,9,8,7,6,5,4,3,2,1],dtype=torch.long)


for epoch in range(epochs):
    opt.zero_grad()

    prediction = netSECOND(netFIRST(x))
    loss = (y.long() - prediction)**2
    loss.backward()

    print(loss)
    print(prediction)
    opt.step()

ошибка:

строка 49 в прогнозе = netSECOND (netFIRST (x))

строка 1371, в линейном;output = input.matmul (weight.t ())

RuntimeError: Ожидаемый объект скалярного типа Long, но получил скалярный тип Float для аргумента # 2 'mat2'

Я не знаюдействительно не вижу, что я делаю неправильно. Я пытался превратить все в Long всеми возможными способами. Я действительно не понимаю, как печатать работает для Pytorch. В прошлый раз я пробовал что-то с одним слоем, и это заставило меня использовать тип int. Может ли кто-нибудь объяснить, как в pytorch установлена ​​типизация и как предотвратить и исправить подобные ошибки? Очень много, я заранее хочу сказать огромное спасибо, эта проблема действительно беспокоит меня, и я не могу ее решить, что бы я ни пытался.

1 Ответ

1 голос
/ 29 сентября 2019

Весами являются Float, входные данные - Longs. Это не разрешеноНа самом деле, я не думаю, что torch поддерживает что-то еще, кроме Floats в нейронных сетях.

Если вы удалите все вызовы long и определите свой ввод как float, он будет работать (этоделает, я пытался).

(Затем вы получите еще одну не связанную ошибку: вам нужно суммировать потери)

...