我正在开发一个RNN/LSTM模型，我想在ByteTensor中对序列进行编码，以节省内存，因为我的内存非常紧张。然而，当我这样做时，模型返回以下错误：
应为标量类型Byte的对象，但为参数#2"mat2"获得了标量类型Float
所以，似乎还有其他东西需要成为Byte张量，但我不知道它是什么，因为控制台只在以下行显示错误：
output = model(predictor)
这意味着在model内部有用于对字节张量进行运算的浮点张量(很可能是矩阵乘法、加法等中的操作数(。我相信，从技术上讲，您可以通过执行model.type(torch.uint8)将它们强制转换为字节，但无论如何，您的方法迟早会失败——由于整数是离散的，因此无法在反向传播所需的梯度计算中使用它们。uint8值可以用于深度学习，以提高已经训练的网络中推理的性能和内存占用，但这是一项高级技术。对于这项任务，你最好的选择是常规的float32。如果你的GPU支持它，你也可以使用float16，也就是half，尽管它会带来额外的复杂性，我不建议初学者使用。