TypeError: forward () отсутствует 1 обязательный позиционный аргумент с Tensorboard PyTorch - PullRequest
Новая
       93

TypeError: forward () отсутствует 1 обязательный позиционный аргумент с Tensorboard PyTorch

0 голосов
/ 18 июня 2020

Я пытаюсь записать свою модель в tensorboard с помощью следующего кода: 

model = SimpleLSTM(4, HIDDEN_DIM, HIDDEN_LAYERS, 1, BATCH_SIZE, device)
writer = tb.SummaryWriter(log_dir=tb_path)
sample_data = iter(trainloader).next()[0]
writer.add_graph(model, sample_data.to(device))

Я получаю сообщение об ошибке: TypeError: forward() missing 1 required positional argument: 'batch_size'

Моя модель выглядит так: 

class SimpleLSTM(nn.Module):

    def __init__(self, input_dims, hidden_units, hidden_layers, out, batch_size, device):
        super(SimpleLSTM, self).__init__()
        self.input_dims = input_dims
        self.hidden_units = hidden_units
        self.hidden_layers = hidden_layers
        self.batch_size = batch_size
        self.device = device
        self.lstm = nn.LSTM(self.input_dims, self.hidden_units, self.hidden_layers,
                            batch_first=True, bidirectional=False)
        self.output_layer = nn.Linear(self.hidden_units, out)

    def init_hidden(self, batch_size):

        hidden = torch.rand(self.hidden_layers, batch_size, self.hidden_units, device=self.device, dtype=torch.float32)
        cell = torch.rand(self.hidden_layers, batch_size, self.hidden_units, device=self.device, dtype=torch.float32)
        hidden = nn.init.xavier_normal_(hidden)
        cell = nn.init.xavier_normal_(cell)
        return (hidden, cell)

    def forward(self, input, batch_size):
        hidden = self.init_hidden(batch_size)  incomplete batch
        lstm_out, (h_n, c_n) = self.lstm(input, hidden)
        raw_out = self.output_layer(h_n[-1])
        return raw_out

Как записать эту модель на TensorBoard?

1 Ответ

1 голос
/ 18 июня 2020

Ваша модель принимает два аргумента input и batch_size, но вы предоставляете только один аргумент для add_graph для вызова вашей модели.

Входные данные (второй аргумент для add_graph) должны быть кортеж с input и batch_size: 

writer.add_graph(model, (sample_data.to(device), BATCH_SIZE))

На самом деле вам не нужно указывать размер пакета для прямого метода, потому что вы можете вывести его из ввода. Поскольку ваш LSTM использует batch_first=True, это означает, что вход должен иметь размер [batch_size, seq_len, num_features] , поэтому размер первого измерения является текущим размером пакета. 

def forward(self, input):
    batch_size = input.size(0)
    # ...
...