Question

我的问题很简单：

如何使用最大池化层将列表或张量的维数减少到列表中的512个元素：

我正在尝试以下代码：

    input_ids = tokenizer.encode(question, text)
    print(input_ids) # input_ids is a list of 700 elements
    m = nn.AdaptiveMaxPool1d(512)
    input_ids = m(torch.tensor([[input_ids]])) # convert the list to tensor and apply max-pooling layer

但是出现以下错误：

RuntimeError: "adaptive_max_pool2d_cpu" not implemented for 'Long'

所以，请帮助找出错误所在

Answer 1

问题出在您的input_ids上。您正在将一个long类型的张量传递给AdaptiveMaxPool1d，只需将其转换为float。

    input_ids = tokenizer.encode(question, text)
    print(input_ids) # input_ids is a list of 700 elements
    m = nn.AdaptiveMaxPool1d(512)
    input_ids = m(torch.tensor([[input_ids]]).float()) #

使用最大池化层减小张量的尺寸

1 个答案: