Question


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()

错误：

第49行，预测= netSECOND（netFIRST（x））

第1371行，呈线性；输出= input.matmul（weight.t（））

RuntimeError：标量类型的预期对象长，但得到了标量类型   浮动为参数2“ mat2”

我真的看不到我在做什么错。我试图以各种可能的方式将所有内容都放在Long中。我真的不知道pytorch的打字方式。上次我尝试仅使用一层的东西时，它迫使我使用类型int。有人可以解释如何在pytorch中建立类型，以及如何防止和修复此类错误吗？我要说的是非常感谢，这个问题确实困扰着我，无论我尝试什么，我似乎都无法解决。

Answer 1

权重为浮点，输入为多头。这是不允许的。实际上，除了神经网络中的Floats之外，我认为炬不能提供任何支持。

如果您删除对long的 all 调用，并将您的输入定义为浮点数，那么它将起作用（我尝试过）。

（然后您将得到另一个不相关的错误：您需要对损失进行总计）

RuntimeError：标量类型为Long的预期对象，但参数＃2'mat2'的标量类型为Float，如何解决？

1 个答案: