我正在尝试通过PyTorch训练分类器。但是，当我向模型提供训练数据时，我遇到了训练问题。 我在y_pred = model(X_trainTensor)收到此错误：
运行时错误：标量类型浮点型的预期对象，但参数 #4 'mat1' 的标量类型为 Double
以下是我的代码的关键部分：
# Hyper-parameters
D_in = 47 # there are 47 parameters I investigate
H = 33
D_out = 2 # output should be either 1 or 0
# Format and load the data
y = np.array( df['target'] )
X = np.array( df.drop(columns = ['target'], axis = 1) )
X_train, X_test, y_train, y_test = train_test_split(X, y, train_size = 0.8) # split training/test data
X_trainTensor = torch.from_numpy(X_train) # convert to tensors
y_trainTensor = torch.from_numpy(y_train)
X_testTensor = torch.from_numpy(X_test)
y_testTensor = torch.from_numpy(y_test)
# Define the model
model = torch.nn.Sequential(
torch.nn.Linear(D_in, H),
torch.nn.ReLU(),
torch.nn.Linear(H, D_out),
nn.LogSoftmax(dim = 1)
)
# Define the loss function
loss_fn = torch.nn.NLLLoss()
for i in range(50):
y_pred = model(X_trainTensor)
loss = loss_fn(y_pred, y_trainTensor)
model.zero_grad()
loss.backward()
with torch.no_grad():
for param in model.parameters():
param -= learning_rate * param.grad
参考来自这个github问题。
当错误RuntimeError: Expected object of scalar type Float but got scalar type Double for argument #4 'mat1'时，您需要使用.float()函数，因为它显示Expected object of scalar type Float.
因此，解决方案是y_pred = model(X_trainTensor)更改为y_pred = model(X_trainTensor.float())。
同样，当您收到另一个错误时loss = loss_fn(y_pred, y_trainTensor)，您需要y_trainTensor.long()，因为错误消息显示Expected object of scalar type Long.
你也可以做model.double()，正如@Paddy .
在转换为Tensor之前，请尝试此操作
X_train = X_train.astype(np.float32)
可以通过将输入的数据类型设置为双精度(即torch.float32
我希望问题来了，因为您的数据类型torch.float64.
您可以在设置数据时避免这种情况，如其他答案之一中所述，或者使模型类型也与数据相同。 即使用 float64 或 float32。
对于调试，请打印 obj.dtype 并检查一致性。
让我们这样做：
df['target'] = df['target'].astype(np.float32)
对于 x 功能也是如此
如果选择了错误的损失函数，也会出现此问题。例如，如果您有回归问题，但您正在尝试使用交叉熵损失。然后，它将通过在MSE上更改损失函数来修复
尝试使用： target = target.float() # target 是错误的名称
PyTorch 的新手。出于某种原因，使用所需的数据类型调用torch.set_default_dtype()在Google Colab上对我有用。 由于某种原因，network.double()/network.float()和tensor.double()/tensor.float()没有任何影响。
在此答案的基础上，将一种类型的所有列转换为另一种...
df.update(df.select_dtypes("float64").astype("float32"))
请注意，这是一个就地操作。
试试这个例子：
from sentence_transformers import SentenceTransformer, util
import numpy as np
import torch
a = np.array([0, 1,2])
b = [[0, 1,2], [4, 5,6], [7,8,9]]
bb = np.zeros((3,3))
for i in range(0, len(b)):
bb[i,:] = np.array(b[i])
a = torch.from_numpy(a)
b = torch.from_numpy(bb)
a= a.float()
b = b.float()
cosine_scores = util.pytorch_cos_sim(b, a)
print(cosine_scores)