Question

我想知道为什么我在使用时遇到此错误：

Y_train_class = torch.tensor(Y_train_class.values)

TypeError：无法转换numpy.bool_类型的np.ndarray。唯一受支持的类型为：double，float，float16，int64，int32和uint8。

我试图将数据转换为float，但似乎失败了

X_train = pd.read_csv('c:/Data/x_train_set_yu.csv', header= None)
Y_train = pd.read_csv('c:/Data/y_train_set_yu.1.csv', header= None)

Y_train_class = (Y_train >= 550)
print (Y_train_class)
X_test = pd.read_csv('c:/Data/X_test.csv',header= None)

X_train = torch.tensor(X_train.values)

Y_train.astype(np.float32)
Y_train_class.astype(np.float32)

Y_train_class = torch.tensor(Y_train_class.values)

TypeError：无法转换numpy.bool_类型的np.ndarray。唯一受支持的类型为：double，float，float16，int64，int32和uint8。

Answer 1

您通常遵循正确的方法，只是没有使用numpy astype。所以代替

Y_train_class.astype(np.float32)

您需要拥有

Y_train_class = Y_train_class.astype(np.float32)

（当前实际上无法执行原始的Y_train_class.astype(np.float32)）。

如果您的目标是使用诸如nn.BinaryCrossEntropy之类的损失函数进行训练，则您强制转换为float的方法是正确的，因为他们希望0/1类仍然是float32。在一般情况下，PyTorch使用uint8张量来代替布尔张量，因此要获得与原始numpy张量等效的功能，您应该使用torch.from_numpy(Y_train_class.astype(np.uint8))-然后它正确地支持numpy中的掩码操作，下面的例子

import torch
import numpy as np

test_vals = np.array([1, 3, 3])
array = np.array([True, True, False], dtype=np.bool)
print(test_vals[array])

test_vals = torch.from_numpy(test_vals)
tensor = torch.from_numpy(array.astype(np.uint8))
print(test_vals[tensor])

最后，据我所知，布尔张量将在将来的版本中引入PyTorch。

无法转换numpy.bool _

1 个答案: