PyTorch使用常見(jiàn)異常和解決辦法匯總

文章目錄

1.使用conda安裝PyTorch后同時(shí)在Jupyter導(dǎo)入失敗No module named ‘torch’

通過(guò)Conda安裝PyTorch，同時(shí)在Jupyter中導(dǎo)入PyTorch，會(huì)報(bào)錯(cuò)No module named 'torch'。
分析：
原因就是在使用Jupyter Notebook的時(shí)候，加載的仍然是默認(rèn)的Python Kernel。
解決：
（1）在Conda中切換到安裝PyTorch的虛擬環(huán)境，然后執(zhí)行conda install nb_conda_kernels安裝Jupyter內(nèi)核切換工具。
安裝完成后，再重啟Jupyter Notebook，在新建腳本時(shí)就能選擇Kernal：
new script choose kernal
也可以對(duì)建好的文件切換Kernal：
script change kernal

2.PyTorch使用張量時(shí)報(bào)錯(cuò)expected scalar type Double but found Float

有時(shí)候，使用張量Tensor會(huì)報(bào)錯(cuò)：

RuntimeError: expected scalar type Double but found Float

分析：
這是因?yàn)閺埩康臄?shù)據(jù)類(lèi)型不正確。
解決:
此時(shí)需要先進(jìn)行類(lèi)型轉(zhuǎn)換，將數(shù)據(jù)類(lèi)型轉(zhuǎn)為float32，再進(jìn)行操作，如下：

tensor = tensor.to(torch.float32)

3.PyTorch創(chuàng)建Embedding時(shí)報(bào)錯(cuò)IndexError: index out of range in self

PyTorch中很多時(shí)候都會(huì)用到Embedding嵌入，特別是在NLP任務(wù)中，用于存儲(chǔ)一個(gè)簡(jiǎn)單的存儲(chǔ)固定大小的詞典的嵌入向量的查找表，按時(shí)在創(chuàng)建EMbedding時(shí)有時(shí)候會(huì)出錯(cuò)，如下：

  File "E:\Anaconda3\envs\pytorchbase\Lib\site-packages\torch\nn\modules\module.py", line 1102, in _call_impl
    return forward_call(*input, **kwargs)
  File "E:\Anaconda3\envs\pytorchbase\Lib\site-packages\torch\nn\modules\sparse.py", line 158, in forward
    return F.embedding(
  File "E:\Anaconda3\envs\pytorchbase\Lib\site-packages\torch\nn\functional.py", line 2044, in embedding
    return torch.embedding(weight, input, padding_idx, scale_grad_by_freq, sparse)
IndexError: index out of range in self

分析：
這是因?yàn)閚um_embeddings（詞典的詞個(gè)數(shù)）不夠大，進(jìn)行詞嵌入的時(shí)候字典從1, …, n，映射所有的詞（或者字）num_embeddings =n是夠用的，但是會(huì)考慮pad，pad默認(rèn)一般是0，所以我們會(huì)重新處理一下映射字典0, 1, 2, …, n一共n+1個(gè)值，此時(shí)num_embeddings=n+1才夠映射。
解決：
修改參數(shù)num_embeddings的值為實(shí)際詞個(gè)數(shù)+1即可解決這個(gè)問(wèn)題。


掃碼進(jìn)群：
Python極客部落群聊二維碼