Python Mxnet数据类型是float64，但一直说它'；s浮动32

我是pytorch和tensorflow的用户。我接触Mxnet是为了使用AWS sagemaker的弹性推理

Mxnet胶子数据集api似乎与pytorch的数据集非常相似

class CustomDataset(mxnet.gluon.data.Dataset):
    def __init__(self):
        self.train_df = pd.read_csv('/shared/KTUTOR/test_summary_data.csv')
    def __getitem__(self, idx):
        return mxnet.nd.array(self.train_df.loc[idx, ['TT', 'TF', 'FT', 'FF']], dtype='float64'), mxnet.nd.array(self.train_df.loc[idx, ['p1']], dtype='float64')
    def __len__(self):
        return len(self.train_df)

我像上面一样定义了customdataset，并将数据类型设置为float64

test_data = mxnet.gluon.data.DataLoader(CustomDataset(), batch_size=8, shuffle=True, num_workers=2)

我用DataLoader包装了我的数据集，到目前为止没有错误。 当我将数据传递到网络时，错误增加

for epoch in range(1):
for data, label in test_data:
    print(data.dtype)
    print(label.dtype)
    with autograd.record():
        output = net(data)
        loss = softmax_cross_entropy(output, label)
    loss.backward()
    trainer.step(batch_size)

网络（数据）中的错误增加，错误消息如下所示

MXNetError: [07:53:55] src/operator/contrib/../elemwise_op_common.h:135: Check failed: assign(&dattr, vec.at(i)): Incompatible attr in node  at 1-th input: expected float64, got float32
Stack trace:
  [bt] (0) /root/anaconda3/lib/python3.7/site-packages/mxnet/libmxnet.so(+0x4b09db) 
[0x7f00f96519db] ...

当我打印数据类型和标签时，它们都是float64，但MXNet告诉我数据的数据类型是float32。有人能解释为什么会这样吗？

---

非常感谢。

您的网络是采用float64还是float32？尝试将权重投射到浮动64：

net=net.cast（'float64'）

---

也就是说，根据我的经验，在float64中训练DL模型并不常见，而float32和float16在训练中更常见。MXNet允许您轻松地使用float16精度进行训练，或者使用

自动将输入数据转换为float32（而不是float64）

尽管错误似乎与此建议完全相反，但此失败的检查是从网络中的低级操作向上传播的，其最有可能的形式是：

（输入*权重）+bias

---

由于

input

是计算的第一个变量，因此它将其他变量（权重和偏差）的预期数据类型设置为float64。因此，检查实际上是在抱怨

weight

的数据类型是float32，而float64是预期的。

为什么需要float64？在DL工作负载中使用FROAT32精度更为常见，甚至FLUAT16有时也用于训练混合精密硬件，例如英伟达V100的TysRoCordes。