python - 为什么 Pytorch 需要 DoubleTensor 而不是 FloatTensor？

Question

从我在网上看到的所有内容来看，FloatTensors 是 Pytorch 的默认值，当我创建一个张量传递给我的生成器模块时，它是一个 FloatTensor，但是当我尝试通过一个线性层运行它，它提示它需要一个 DoubleTensor。

class Generator(nn.Module):
  def __init__(self):
    super(Generator, self).__init__()
    self.fully_connected = nn.Linear(100, 1024*4*4, bias=False)

  def forward(self, zvec):
    print(zvec.size())
    fc = self.fully_connected(zvec)
    return(fc.size())

gen = Generator();

gen(torch.from_numpy(np.random.normal(size=100)))

产生

RuntimeError: Expected object of type torch.DoubleTensor but found type torch.FloatTensor for argument #2 'mat2'

Answer 1

这里的问题是您的 numpy 输入使用 double 作为数据类型，相同的数据类型也应用于生成的张量。

另一方面，self.fully_connected 层的权重 是float。当通过层馈送数据时，应用矩阵乘法，这种乘法要求两个矩阵具有相同的数据类型。

所以你有两个解决方案:

• 您可以将输入转换为 float :

通过改变:

gen(torch.from_numpy(np.random.normal(size=100)))

致:

gen(torch.from_numpy(np.random.normal(size=100)).float())

输入到 gen 的输入将被转换为 float。

转换输入的完整工作代码:

from torch import nn
import torch
import numpy as np
class Generator(nn.Module):
    def __init__(self):
        super(Generator, self).__init__()
        self.fully_connected = nn.Linear(100, 1024*4*4, bias=False)

    def forward(self, zvec):
        print(zvec.size())
        fc = self.fully_connected(zvec)
        return(fc.size())

gen = Generator();
gen(torch.from_numpy(np.random.normal(size=100)).float()) # converting network input to float

---

• 或者您可以将图层权重转换为两倍:

如果您需要 double ，您还可以将权重转换为double。

更改此行:

self.fully_connected = nn.Linear(100, 1024*4*4, bias=False)

只是为了:

self.fully_connected = nn.Linear(100, 1024*4*4, bias=False).double()

转换权重的完整工作代码:

from torch import nn
import torch
import numpy as np
class Generator(nn.Module):
    def __init__(self):
        super(Generator, self).__init__()
        self.fully_connected = nn.Linear(100, 1024*4*4, bias=False).double() # converting layer weights to double()

    def forward(self, zvec):
        print(zvec.size())
        fc = self.fully_connected(zvec)
        return(fc.size())

gen = Generator();
gen(torch.from_numpy(np.random.normal(size=100)))

---

所以这两种方式都适合你，但如果你不需要 double 的额外精度，你应该使用 float as double 需要更多的计算能力。