Python 图像序列的LSTM-属性错误：'；布尔'；对象没有属性'；浮动'；

除了我以前的职位， , 我更进一步，现在运行以下代码：

 loop += 1
        if loop % 50 == 0:
            # calculate Accuracy
            correct = 0
            total = 0
            # Iterate through the test dataset
    
            for j in range(iter):
                sequences = x_test[bs:bs + batch_size, :]
                labels_t = y_test[bs:bs + batch_size]
                test_images = dataset.load_images(sequences)
                bs += batch_size
                test_images = (torch.from_numpy(test_images)).view(-1, 4, 784)
                print('test_image_shape {} - iter: {}'.format(test_images.shape, j))
                labels_t = torch.from_numpy(labels_t)
                labels_t  = torch.argmax(labels_t, dim=1)
                test_outputs = model(test_images).float() 
                pred_y = torch.max(test_outputs, 1)[1].data.numpy().squeeze()
               
                total += labels_t.size(0)
                correct += (pred_y == labels_t).float()
                accuracy = 100 * (correct / total)
           
                print('Iteration:{}. Loss:{}. Accuracy{}:'.format(loop, loss.item(), accuracy))

但是，它给了我以下错误：

correct+=（pred\u y==标签）。float（）
AttributeError:“bool”对象没有属性“float”

正确总是导致0，准确性也是

---

我怀疑它与某个软件包或需求有关，因为我搜索过，它似乎应该可以工作。知道这里可能缺少什么吗？

那是因为pred\y是numpy.ndarray，labels\t是torch.tensor。 若将两个变量比较为torch.tensor，则可以得到浮点值 但变量的类型并不相同。 python说两个变量的类型不同（所以返回False）

您可以使用下面的代码将torch.tensor转换为numpy.ndarray

pred_y = torch.max(test_outputs, 1)[1].data.numpy().squeeze()

我想你可以这样实现

pred_y = torch.max(test_outputs, 1)[1].squeeze()

---

请试试这个

谢谢，我做到了，并且能够通过这一行，但最后它给出了以下错误：。加上最后的print语句将给出以下结果：精度作为张量返回。首先，您可以计算正确的like（pred_y==label_t）.sum（）.item（）的数量。第二，pred_________________________________。