Pytorch: UserWarning : index invalide d'un tenseur 0-dim

Créé le 28 mars 2018  ·  10Commentaires  ·  Source: pytorch/pytorch

Lorsque j'ai installé la dernière version de pytorch avec le code source, j'ai eu l'erreur :

UserWarning : index invalide d'un tenseur 0-dim. Ce sera une erreur dans PyTorch 0.5. Utilisez tensor.item() pour convertir un tenseur 0-dim en un nombre Python
train_loss += loss.data[0]
Traceback (dernier appel le plus récent) : 10/2984 Pas : 61 ms | Total : 2s170ms | Perte : Fichier "testgn.py", ligne 267, dans
train (époque)
Fichier "testgn.py", ligne 199, dans le train
% (train_loss/(batch_idx+1), 100.*correct/total, correct, total))
RuntimeError : la valeur ne peut pas être convertie en type uint8_t sans débordement : 264

Au fait, le code fonctionne bien sur le pytorch installé par conda.

Commentaire le plus utile

Vous devrez peut-être remplacer loss.data[0] par loss.item() comme indiqué dans le message d'erreur.

Tous les 10 commentaires

Je pense que vous devez résoudre le problème du type de correction, je pense que le type de correction que vous obtenez est 'byteTensor'.

Je suis désolé d'entendre cela, j'ai déjà eu ce problème, j'espère que mon idée pourra vous aider.

Vous devrez peut-être remplacer loss.data[0] par loss.item() comme indiqué dans le message d'erreur.

Oui, c'est un effet secondaire de la fusion Variable/Tensor. Suivez le message d'erreur (ou convertissez-le explicitement en flottant avec float(loss)

/home/kerax/usys/anaconda3/lib/python3.6/site-packages/ipykernel_launcher.py:31 : UserWarning : index invalide d'un tenseur 0-dim. Ce sera une erreur dans PyTorch 0.5. Utilisez tensor.item() pour convertir un tenseur 0-dim en un nombre Python
/home/kerax/usys/anaconda3/lib/python3.6/site-packages/ipykernel_launcher.py:32 : UserWarning : index invalide d'un tenseur 0-dim. Ce sera une erreur dans PyTorch 0.5. Utilisez tensor.item() pour convertir un tenseur 0-dim en un nombre Python

Itère : 0, D : 1,351, G : 0,6499

J'ai eu la même erreur mais je l'ai corrigée avec loss.item() comme [vishwakftw] mentionné ci-dessus. Merci

Merci pour [vishwakftw], c'est le problème de la version de pytorch

Je reçois cette erreur, est-ce que quelqu'un sait comment le résoudre, merci d'avance!


IndexError Traceback (appel le plus récent en dernier)

dans()
21 save_file_name = 'jigsaw_cifar100_e{}_s{}.pk'.format(n_epochs, sinkhorn_iter)
22 history = train_model(modèle, critère, optimiseur, train_loader, validation_loader,
---> 23 n_epochs=n_epochs, save_file_name=save_file_name)
24

dans train_model(modèle, critère, optimiseur, train_loader, validation_loader, n_epochs, save_file_name)
38 optimiseur.zero_grad()
39 sorties = modèle(x_in)
---> 40 n_correct_pred += compute_acc(vecmat2perm2x2(outputs), perms, False).data[0]
41 perte = critère(sorties, y_in)
42 perte. arrière ()

IndexError : index invalide d'un tenseur 0-dim. Utilisez tensor.item() pour convertir un tenseur 0-dim en un nombre Python

Je reçois cette erreur, est-ce que quelqu'un sait comment le résoudre, merci d'avance!


IndexError Traceback (appel le plus récent en dernier)

dans()
21 save_file_name = 'jigsaw_cifar100_e{}_s{}.pk'.format(n_epochs, sinkhorn_iter)
22 history = train_model(modèle, critère, optimiseur, train_loader, validation_loader,
---> 23 n_epochs=n_epochs, save_file_name=save_file_name)
24

dans train_model(modèle, critère, optimiseur, train_loader, validation_loader, n_epochs, save_file_name)
38 optimiseur.zero_grad()
39 sorties = modèle(x_in)
---> 40 n_correct_pred += compute_acc(vecmat2perm2x2(outputs), perms, False).data[0]
41 perte = critère(sorties, y_in)
42 perte. arrière ()

IndexError : index invalide d'un tenseur 0-dim. Utilisez tensor.item() pour convertir un tenseur 0-dim en un nombre Python

Suivez les instructions du message d'erreur

Cette page vous a été utile?
0 / 5 - 0 notes

Questions connexes

eliabruni picture eliabruni  ·  3Commentaires

mishraswapnil picture mishraswapnil  ·  3Commentaires

negrinho picture negrinho  ·  3Commentaires

SeparateReality picture SeparateReality  ·  3Commentaires

keskarnitish picture keskarnitish  ·  3Commentaires