Question

我是PyTorch和AI的新手，但是在尝试训练模型时遇到了一些麻烦。

我只创建了Dataset和Dataloader

    train_dataset = TensorDataset(tensor_train,tensor_label)
    train_dataloader = DataLoader(train_dataset,batch_size=32,shuffle=True)

然后我的标准和优化器

    criterion = nn.CrossEntropyLoss()

    optimiser=optim.Adam(net.parameters(),lr=0.2)

我尝试用

进行训练

    for epoch in range(10):
           for data in train_dataloader:
                inputs,labels = data
                output = net(torch.Tensor(inputs))
                loss = criterion(output,labels.to(device))
                optimiser.zero_grad()
                loss.backward()
                optimiser.step()

但是我遇到了这个错误

    d:\py\lib\site-packages\torch\nn\modules\module.py in <lambda>(t)
321             Module: self
322         """
    --> 323         return self._apply(lambda t: t.type(dst_type))
324 
325     def float(self):

TypeError: dtype must be a type, str, or dtype object

如果有人发现问题，我会很高兴，谢谢。

Answer 1

我看到两个可能的问题：

1）您的数据加载器输出张量，因此您无需创建其他张量。只需这样做：

output = net(inputs)

2）您要将模型发送到device吗？如果是，则还需要发送inputs。如果没有，则不需要使用输出来执行此操作：

loss = criterion(output,labels)

但是，我不确定您得到的错误是否与这两点无关。考虑在代码中发布该行（而不是lib）。另外，请考虑包括有关tensor_train和tensor_label

的更多信息

Answer 2

可以回复，但是问题出在另一件事上我正在创建这样的模型

class Perceptron(nn.Module):
     def __init__(self):
         super(Perceptron,self).__init__()
         self.type = nn.Linear(4,3)
     def forward(self,x):
          return self.type(x)
net = Perceptron().to(device)

并且nn.Module已经获取类型属性，这就是为什么我遇到此错误（我的事情），然后我通过self.anythingElseThanType更改self.type来解决

在pytorch中训练模型时，为什么会出现问题？

2 个答案: