Python 为什么'；t转换张量固定点的数据类型“；运行时错误：应为标量类型Double，但找到Float“；？

我的代码的重要部分如下所示：

def forward(self, x):
        x = T.tensor(x).to(self.device)
        x = x.type(T.DoubleTensor)
        x = self.conv1(x)
        ...

---

但是我仍然得到错误

预期的标量类型Double，但在该代码段的最后一行发现Float

。行

x=x.type（T.DoubleTensor）

应该可以解决这个问题，对吗？我还尝试了

x=x.double（）

和

x=T.tensor（x，dtype=T.double）.to（self.device）

作为前一行，但仍然得到了错误。我不知所措，我做错了什么？

PyTorch希望层的输入与层的参数具有相同的设备和数据类型（dtype）。对于大多数层（包括conv层），默认数据类型为

torch.float32

，即

FloatTensor

要解决您的问题，您可以将

x

转换为与

self.conv1

层的

weight

或

bias

参数相同的类型（假设这是

nn.Conv*d

层）

def转发（自身，x）：
x=T.tensor（x，device=self.device，dtype=self.conv1.weight.dtype）
x=自转换1（x）
...

最有可能的

self.conv1.weight.dtype

就是

torch.float32

。除非您使用类似于

model.to（dtype=torch.float64）

的东西显式地更改了模型参数类型，否则您可以使用

def转发（自身，x）：
x=T.tensor（x，device=self.device，dtype=torch.float32）
x=自转换1（x）
...

PyTorch希望层的输入与层的参数具有相同的设备和数据类型（dtype）。对于大多数层（包括conv层），默认数据类型为

torch.float32

，即

FloatTensor

要解决您的问题，您可以将

x

转换为与

self.conv1

层的

weight

或

bias

参数相同的类型（假设这是

nn.Conv*d

层）

def转发（自身，x）：
x=T.tensor（x，device=self.device，dtype=self.conv1.weight.dtype）
x=自转换1（x）
...

最有可能的

self.conv1.weight.dtype

就是

torch.float32

。除非您使用类似于

model.to（dtype=torch.float64）

的东西显式地更改了模型参数类型，否则您可以使用

def转发（自身，x）：
x=T.tensor（x，device=self.device，dtype=torch.float32）
x=自转换1（x）
...

好的，好的。我真的被甩了，因为错误似乎表明预期的数据类型是双精度的，我想我已经将其设置为双精度了。但是，当然，你是对的，它是float32，虽然我认为这是双倍的，但无论如何，设置为float32修正了它，谢谢！对,好。我真的被甩了，因为错误似乎表明预期的数据类型是双精度的，我想我已经将其设置为双精度了。但是，当然，你是对的，它是float32，虽然我认为这是双倍的，但无论如何，设置为float32修正了它，谢谢！