Python “如何修复运行时错误”；应为标量类型Float的对象，但参数"；的标量类型为Double；？

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\u pred=model（X\u trainTensor）

上得到这个错误：

RuntimeError:应为标量类型Float的对象，但参数#4'mat1'的标量类型为Double

以下是我的代码的关键部分：

#超参数
D_in=47#我研究了47个参数
H=33
D_out=2#输出应为1或0

#格式化并加载数据
y=np.array（df['target']）
X=np.array（df.drop（列=['target']，轴=1））
X_系列，X_测试，y_系列，y_测试=系列测试分割（X，y，系列大小=0.8）#分割训练/测试数据
X_列张量=火炬。从_numpy（X_列）#转换为张量
y\u列车Tensor=火炬，来自y\u列车
X\u测试张量=火炬。从X\u测试开始
y\u测试张量=火炬。从y\u numpy（y\u测试）

#定义模型
型号=torch.nn.Sequential(
火炬nn线性（D_in，H），
torch.nn.ReLU（），
火炬nn线性（H，D_out），
nn.LogSoftmax（尺寸=1）
)

#定义损失函数
损耗=torch.nn.NLLLoss（）

范围（50）内的i的

：
y_pred=模型（X_列张量）
损耗=损耗fn（y\u pred，y\u trainTensor）
模型0_梯度（）
loss.backward（）
使用手电筒。无梯度（）
对于model.parameters（）中的参数：
参数-=学习率*参数梯度

参考来自

当错误为

RuntimeError:Expected object of scalar type Float，但参数#4'mat1'

得到scalar type Double时，您需要使用

.Float（）

函数，因为它表示

Expected object of scalar type Float

因此，解决方案是将

y\u pred=model（X\u trainTensor）

更改为

y\u pred=model（X\u trainTensor.float（））

同样，当您收到另一个错误时，您需要

y\u trainTensor.long（）

，因为错误消息显示

标量类型long的预期对象

您还可以按照@Paddy的建议执行
model.double（）
.
通过将输入的数据类型设置为Double（即
torch.float32

我希望问题是因为您的数据类型是
torch.float64

您可以在设置数据时避免这种情况，如其他答案之一所述，或者使模型类型也与数据类型相同。i、 e使用float64或float32

对于调试，请打印obj.dtype并检查一致性。
如果选择了错误的丢失功能，也会出现此问题。例如，如果你有回归问题，但你试图使用交叉熵损失。然后通过更改MSE上的损失函数来修复它
我也有同样的问题

断然的
在转换为张量之前，请尝试以下操作

X_train = X_train.astype(np.float32)

尝试使用：
target=target.float（）#target是错误的名称
它是否告诉您触发运行时错误的代码行？是的，在我的上一个代码块中
y_pred=model（X_trainTensor）
触发它。我不使用Pytork，但您可以使用
model（float（X_trainTensor））
我在同一行上得到以下错误：
ValueError：如果我将张量强制转换为所有浮点，则只有一个元素张量可以转换为Python标量。我得到一个新错误：
AttributeError:“内置函数”或“方法”对象没有属性“dim”