Python TypeError:div（）：参数'；其他'；（位置1）必须是张量，而不是numpy.bool_

我正在尝试一个模型，ODE网络，在医学图像上获得一些分割结果。 在进行实验时，出现了以下错误：

TypeError:div（）：参数'other'（位置1）必须是张量，而不是numpy.bool\u

错误显示在代码下面部分的最后一行中：

def应用数据增强（自我、图像、掩码）：
patch=torch.from_numpy（image.transpose（2,0,1））.float（）/255
n_压盖=mask.max（）
label=火炬。从（遮罩）。浮动（）/n_压盖

遮罩

是图像的基本真相

在上述部分前面加上：

def __getitem__(self, index):
    image, mask = self.index_to_filename(index)
    image, mask = self.open_and_resize(image, mask)
    image, mask = self.pad_image(image, mask)
    label, patch = self.apply_data_augmentation(image, mask)
    label = self.create_eroded_mask(label, mask)
    patch, label = self.extract_random_region(image, patch, label)
    return patch, label.float()

def index_to_filename(self, index):
    """Helper function to retrieve filenames from index"""
    index_img = index // self.repeat
    index_img = self.images[index_img]
    index_str = str(index_img.item() + 1)

    image = self.image_fname + index_str + '.jpg'
    mask = self.image_fname + index_str + '_anno.png'
    return image, mask

def open_and_resize(self, image, mask):
    """Helper function to pad smaller image to the correct size"""
    image = PIL.Image.open(image)
    mask = PIL.Image.open(mask)

    ratio = (775 / 512)
    new_size = (int(round(image.size[0] / ratio)),
                int(round(image.size[1] / ratio)))

    image = image.resize(new_size)
    mask = mask.resize(new_size)

    image = np.array(image)
    mask = np.array(mask)
    return image, mask

def pad_image(self, image, mask):
    """Helper function to pad smaller image to the correct size"""
    if not self.validation:
        pad_h = max(self.patch_size[0] - image.shape[0], 128)
        pad_w = max(self.patch_size[1] - image.shape[1], 128)
    else:
        # we pad more than needed to later do translation augmentation
        pad_h = max((self.patch_size[0] - image.shape[0]) // 2 + 1, 0)
        pad_w = max((self.patch_size[1] - image.shape[1]) // 2 + 1, 0)

    padded_image = np.pad(image, ((pad_h, pad_h), (pad_w, pad_w), (0, 0)), mode='reflect')
    mask = np.pad(mask, ((pad_h, pad_h), (pad_w, pad_w)), mode='reflect')
    return padded_image, mask

我们将非常感谢在这方面提供的任何帮助；提前谢谢

---

PS：我正在谷歌Colab上尝试代码

初始化掩码后添加此行

mask=np.array（mask，dtype='float'）

方法

torch.from_numpy

需要类型为

float

或

np.float

的对象，因为torch中的每个张量都是

torch.FloatTensor

。
有几种方法可以绕过它。一种方法是使用

np.array

和

dtype='float'

将布尔数组转换为float，或者
声明一个空的

torch.BoolTensor

，然后使用\u numpy中的方法

PS

np.array
为加载的图像选择合适的数据类型。对于
bool
图像
np.bool
初始化掩码后添加此行

mask=np.array（mask，dtype='float'）

方法
torch.from_numpy
需要类型为
float
或
np.float
的对象，因为torch中的每个张量都是
torch.FloatTensor
。

有几种方法可以绕过它。一种方法是使用
np.array
和
dtype='float'

将布尔数组转换为float，或者
声明一个空的
torch.BoolTensor
，然后使用\u numpy

中的方法

PS

np.array
为加载的图像选择合适的数据类型。对于
bool
图像
np.bool
这是你自己的代码吗？如果是，目的是什么？什么是
掩码
？这是一个带有
boolean
dtype的numpy数组吗？如果是这样，
max
将只是
True/False
，而不是某种计数。用布尔值除是没有意义的，是吗？@hpaulj不，先生！那不是我自己的代码。我已经在他们测试的数据上复制了使用代码的结果。现在，我想在这类不同的数据上尝试一下。@hpaulj先生，
mask
是图像的基本事实，在这段代码之上，它被定义为：
pad\u h=max（（self.patch\u size[0]-image.shape[0]）//2+1,0）
pad\u=max（（self patch\u size[1]-image.shape[1]）//2+1,0）
padded_image=np.pad（image，（（pad_h，pad_h），（pad_w，pad_w），（0，0）），mode='reflect'）
mask=np.pad（mask，（（pad_h，pad_h），（pad_w，pad_w）），mode='reflect'）
注释中的代码很难读。@hpaulj抱歉，先生！我已将代码包括在问题中。先生，请检查一下。这是您自己的密码吗？如果是，目的是什么？什么是
掩码
？这是一个带有
boolean
dtype的numpy数组吗？如果是这样，
max
将只是
True/False
，而不是某种计数。用布尔值除是没有意义的，是吗？@hpaulj不，先生！那不是我自己的代码。我已经在他们测试的数据上复制了使用代码的结果。现在，我想在这类不同的数据上尝试一下。@hpaulj先生，
mask
是图像的基本事实，在这段代码之上，它被定义为：
pad\u h=max（（self.patch\u size[0]-image.shape[0]）//2+1,0）
pad\u=max（（self patch\u size[1]-image.shape[1]）//2+1,0）
padded_image=np.pad（image，（（pad_h，pad_h），（pad_w，pad_w），（0，0）），mode='reflect'）
mask=np.pad（mask，（（pad_h，pad_h），（pad_w，pad_w）），mode='reflect'）
注释中的代码很难读。@hpaulj抱歉，先生！我已将代码包括在问题中。先生，请在那儿查一下。