我是PyTorch的新手，正在变压器模型上经历this tutorial。我在Win10上使用PyCharm。 现在，我基本上只是复制粘贴了示例代码，但是出现以下错误：
RuntimeError：参数＃1'indices'的预期张量具有标量类型Long；但是却改为使用CPUType（在检查嵌入参数时）
似乎来自此行
def编码（self，src，src_mask）：
返回self.encodder（self.src_embed（src），src_mask）
TBH，我什至不知道这意味着什么，更不用说我应该如何解决它了。 什么是CPUType？我何时创建此类变量？通过查看代码，我仅使用张量（或numpy数组）
这是完整的错误消息：
C：... \ Python \ Python37 \ lib \ site-packages \ torch \ nn_reduction.py：46：UserWarning：size_average和reduce args将被弃用，请改用reduction ='sum'。 warnings.warn（warning.format（ret）） C：/.../ PycharmProjects / Transformer / all_the_code.py：263：用户警告：现在不推荐使用nn.init.xavier_uniform，而建议使用nn.init.xavier_uniform_。 nn.init.xavier_uniform（p） 追溯（最近一次通话）：
中的文件“ C：/.../ PycharmProjects / Transformer / all_the_code.py”，第421行 SimpleLossCompute（model.generator，条件，model_opt））
在run_epoch中的文件“ C：/.../ PycharmProjects / Transformer / all_the_code.py”，第297行
batch.src_mask，batch.trg_mask）
文件“ C：/.../ PycharmProjects / Transformer / all_the_code.py”，第30行，正向
返回self.decode（self.encode（src，src_mask），src_mask，
文件“ C：/.../ PycharmProjects / Transformer / all_the_code.py”，第34行，采用编码
返回self.encoder（self.src_embed（src），src_mask）
__call__
中的第493行的文件“ C：... \ Python \ Python37 \ lib \ site-packages \ torch \ nn \ modules \ module.py” 结果= self.forward（* input，** kwargs）
文件“ C：... \ Python \ Python37 \ lib \ site-packages \ torch \ nn \ modules \ container.py”，第92行，正向
输入=模块（输入）
__call__
中的第493行的文件“ C：... \ Python \ Python37 \ lib \ site-packages \ torch \ nn \ modules \ module.py” 结果= self.forward（* input，** kwargs）
文件“ C：/.../ PycharmProjects / Transformer / all_the_code.py”，向前218行
返回self.lut（x）* math.sqrt（self.d_model）
__call__
中的第493行的文件“ C：... \ Python \ Python37 \ lib \ site-packages \ torch \ nn \ modules \ module.py” 结果= self.forward（* input，** kwargs）
文件“ C：... \ Python \ Python37 \ lib \ site-packages \ torch \ nn \ modules \ sparse.py”，第117行，正向
self.norm_type，self.scale_grad_by_freq，self.sparse）
嵌入中的文件“ C：... \ Python \ Python37 \ lib \ site-packages \ torch \ nn \ functional.py”，行1506
返回torch.embedding（重量，输入，padding_idx，scale_grad_by_freq，稀疏）