Python 3.x 如何将具有object类型的numpy.ndarray转换为torch.tensor？

我想在pytorch做lstm。它只接受张量作为输入。我拥有的数据是以

numpy.object.

的形式存在的，如果我将其转换为

numpy.float

，那么它可以转换为

张量

我使用
print（type（array））
检查数据类型，它将class
'numpy.ndarray'
作为输出，而
print（arr.dtype.type）
将class
'numpy.object.
作为输出

或者有没有办法将元组直接转换为torch.tensor？
pytorch LSTM返回一个元组。因此，当您的第二个LSTM层self.seq2无法处理此元组时，会出现此错误。所以
改变

对这样的事情：

prefix1_out, prefix1_states = self.seq1(input1) 
suffix1_out, suffix1_states = self.seq1(input2) 

out_ll = self.fc1(result)
r1 = nn.Sigmoid() 
r2 = self.fc2(r1(out_ll))

然后将prefix1_out和suffix1_out张量传递给下一个LSTM层，如下所示

prefix2_out, prefix2_states = self.seq2(prefix1_out) 
suffix2_out, suffix2_states = self.seq2(suffix1_out)

concat前缀为，后缀为，像这样的张量

result = torch.cat([out1,out2],1) 

还有，改变

r1=F.sigmoid(self.fc1(result)) 
r2=self.fc2(r1)

对这样的事情：

prefix1_out, prefix1_states = self.seq1(input1) 
suffix1_out, suffix1_states = self.seq1(input2) 

out_ll = self.fc1(result)
r1 = nn.Sigmoid() 
r2 = self.fc2(r1(out_ll))

看看这个，如果它helps@mansisinha，您可以添加一些示例数据吗？类fullstop（nn.Module）：def uu init uu u(self）:super（fullstop，self）.u init uuuu（）self.seq1=nn.LSTM（input u size=30，hidden u size=20）self.seq2=nn.LSTM（input u size=20，hidden u size=10）self.fc1=nn.Linear（5,1）def forward（self，input1，input2）：prefix1=self.seq1（input1）suffix1=self.seq1（input2）prefix2=self.seq2（suffix1）result=torch.cat（变量（prefix1，suffix1），1）r1=F.sigmoid（self.fc1（result））r2=self.fc2（r1）返回r2@AnubhavSingh这里的正向函数只接受张量作为输入。所以当我把input1和input2作为张量时，效果很好，但对于seq2，seq1的输出作为输入。这个输出是以元组的形式出现的，因此它给出了error.Welcome。我很高兴能帮助你。