Python RuntimeError:应为标量类型Long的对象，但参数#2'；mat2和x27；如何修复它？

错误：

第49行，在预测中=netSECOND（netFIRST（x））

第1371行，线性；输出=输入.matmul（weight.t（））

RuntimeError:标量类型的对象应为Long，但得到标量类型 参数#2'mat2'的浮点值

我真的不知道我做错了什么。我试着用各种可能的方式把一切都变成一个

Long

。我真的不明白pytorch的打字方式。上次我尝试了一个只有一层的东西，它迫使我使用type

int

。 有人能解释一下pytorch是如何建立类型的，以及如何防止和修复这样的错误吗？？

---

很多我的意思是非常感谢，这个问题真的很困扰我，无论我怎么尝试，我似乎都无法解决它。

权重是浮动的，输入是长的。这是不允许的。事实上，我不认为torch除了支持神经网络中的浮动之外，还支持其他任何东西

如果您删除对long的所有调用，并将输入定义为float，它就会工作（我尝试过了，它会工作）

---

（然后，您将得到另一个不相关的错误：您需要计算您的损失）

更不用说它是如何工作的了。我需要删除所有的dtype long，然后将dtype改为torch.float，并在loss of Course中求和。非常欢迎。如果答案令人满意，请将其标记为已接受（单击勾号）。

import torch.nn as nn 
import torch 
import torch.optim as optim
import itertools

class net1(nn.Module):
    def __init__(self):
        super(net1,self).__init__()

        self.pipe = nn.Sequential(
            nn.Linear(10,10),
            nn.ReLU()
        )

    def forward(self,x):
        return self.pipe(x.long())

class net2(nn.Module):
    def __init__(self):
        super(net2,self).__init__()

        self.pipe = nn.Sequential(
            nn.Linear(10,20),
            nn.ReLU(),
            nn.Linear(20,10)
        )

    def forward(self,x):
        return self.pipe(x.long())



netFIRST = net1()
netSECOND = net2()

learning_rate = 0.001

opt = optim.Adam(itertools.chain(netFIRST.parameters(),netSECOND.parameters()), lr=learning_rate)

epochs = 1000

x = torch.tensor([1,2,3,4,5,6,7,8,9,10],dtype=torch.long)
y = torch.tensor([10,9,8,7,6,5,4,3,2,1],dtype=torch.long)


for epoch in range(epochs):
    opt.zero_grad()

    prediction = netSECOND(netFIRST(x))
    loss = (y.long() - prediction)**2
    loss.backward()

    print(loss)
    print(prediction)
    opt.step()