Pytorch Pytork参数中1.1.0和1.3.0的差异

我正在尝试学习PyTorch，并尝试运行从Kaggle网站获得的一些代码

# Get all hidden layers' weights
for i in range(len(hidden_units)):
  fc_layers.extend([
    TrainNet.model.hidden_layers[i].weight.T.tolist(), # weights
    TrainNet.model.hidden_layers[i].bias.tolist() # bias
  ])

这会产生以下错误：

---

AttributeError回溯（最近一次调用）
在里面
4对于范围内的i（len（隐藏单位））：
5个fc_层。扩展([
---->6 TrainNet.model.hidden_layers[i].weight.T.tolist（），#weights
7 TrainNet.model.hidden_layers[i].bias.tolist（）#bias
8     ])
AttributeError:“Parameter”对象没有属性“T”

如果我打印出“TrainNet.model.hidden_layers[I].weight”类型，它确实是类型参数。 这段代码在Kaggle网站run-in-there笔记本（我相信是Google colab）上正常工作，Torch的版本是1.3.0

在发生错误的我家机器上，我刚刚更新的Anaconda发行版正在运行Torch 1.1.0

这是错误的来源吗？如何对其进行排序

---

谢谢

类

参数

是的一个子类，因此具有

火炬的所有属性。张量

Tensor.T

是在中引入的，因此在1.1.0中不可用

您可以更新pytorch版本，也可以在其位置使用permute方法，如下例所示

t=torch.Tensor（np.random.randint（0100，size=（2,3,4））#->t.shape=（2,3,4）的随机张量 >>>t形 火炬尺寸（[2,3,4]） >>>列表（范围（len（t.shape））[：-1] [2,1,0]#这是尺寸t的顺序。t将在1.2.0之后返回 >>>t=t.permute（列表（范围（len（t.shape）））[：-1]） >>>t形 火炬尺寸（[4,3,2]）

---

它相当于对矩阵进行转置，即颠倒维数顺序，但在N维张量中，类

参数
是的一个子类，因此具有
火炬的所有属性。张量

Tensor.T
是在中引入的，因此在1.1.0中不可用

您可以更新pytorch版本，也可以在其位置使用permute方法，如下例所示

t=torch.Tensor（np.random.randint（0100，size=（2,3,4））#->t.shape=（2,3,4）的随机张量
>>>t形
火炬尺寸（[2,3,4]）
>>>列表（范围（len（t.shape））[：-1]
[2,1,0]#这是尺寸t的顺序。t将在1.2.0之后返回
>>>t=t.permute（列表（范围（len（t.shape）））[：-1]）
>>>t形
火炬尺寸（[4,3,2]）

这相当于对矩阵进行转置，即颠倒维度的顺序，但在N维张量中
非常感谢。我想知道为什么Anaconda不使用1.2.0作为标准，非常感谢。我想知道为什么Anaconda不使用1.2.0作为标准
AttributeError                            Traceback (most recent call last)
<ipython-input-12-65f871b6f0b7> in <module>
  4 for i in range(len(hidden_units)):
  5     fc_layers.extend([
----> 6         TrainNet.model.hidden_layers[i].weight.T.tolist(), # weights
  7         TrainNet.model.hidden_layers[i].bias.tolist() # bias
  8     ])

AttributeError: 'Parameter' object has no attribute 'T'