Python Pytorch：将FloatTensor转换为DoubleTensor

我有2个numpy数组，我将其转换为张量以使用TensorDataset对象

import torch.utils.data as data_utils

X = np.zeros((100,30))
Y = np.zeros((100,30))

train = data_utils.TensorDataset(torch.from_numpy(X).double(), torch.from_numpy(Y))
train_loader = data_utils.DataLoader(train, batch_size=50, shuffle=True)

当我这样做时：

for batch_idx, (data, target) in enumerate(train_loader):
    data, target = Variable(data), Variable(target)
    optimizer.zero_grad()
    output = model(data)               # error occurs here

我得到了衰减错误：

TypeError:addmm_u收到无效的参数组合-Get（int，int，torch.DoubleTensor，torch.FloatTensor），但应为以下参数之一： […]
*（浮动β、浮动α、火炬双张量mat1、火炬双张量mat2） 不匹配，因为某些参数的类型无效：（int，int，torch.DoubleTensor，torch.FloatTensor）
*（浮动β，浮动α，火炬.稀疏双张量mat1，火炬.双张量mat2） 不匹配，因为某些参数的类型无效：（int，int，torch.DoubleTensor，torch.FloatTensor）

最后一个错误来自：

output.addmm（0，1，input，weight.t（））

正如您在我的代码中看到的，我尝试使用.double（）转换张量，但这不起作用。为什么他要将一个数组转换成浮动张量对象，而将另一个数组转换成双张量对象？

---

有什么想法吗？

您的

numpy

数组是

64位浮点

，将标准地转换为

torch.DoubleTensor

。现在，如果将它们用于模型，则需要确保模型参数也是双精度的。或者，您需要确保将

numpy

数组转换为

Float

，因为模型参数标准转换为

Float

因此，请执行以下任一操作：

data_utils.TensorDataset(torch.from_numpy(X).float(), torch.from_numpy(Y).float())

或者：

model.double()

---

如果要将模型参数、输入和目标强制转换为

Float

或

Double

，具体取决于

这是因为在PyTorch中，不能在不同类型的张量之间进行运算。您的

数据

是

双张量

，但模型参数是

浮动张量

。因此，您会收到此错误消息。正如@mexmex所说，将

数据

转换为

浮动张量

，使其与模型参数类型一致

不要反过来做因为GPU不擅长双精度计算。此外，浮点运算对于深入学习来说已经足够了