Pytorch中DataLoader输出类型问题--“ RuntimeError: Input type (double) and bias type (float) should be the“

引言

Pytorch中DataLoader输出精度问题–“ RuntimeError: Input type (double) and bias type (float) should be the same"和“RuntimeError: expected scalar type Double but found Float”来源很简单，在使用DataLoader进行数据集读取后，得到的Batch数据通过神经网络报错RuntimeError: expected scalar type Double but found Float，经查看是因为Pytorch中神经网络的参数默认精度是torch.float32，而送入的测试数据精度是torch.float64导致报错。但实际上笔者并没有显式对输入数据的精度进行调整，只是在Dataset构造时从本地读取了文件，再以此构建了DataLoader类，因此进行了一番排错。经实验发现，这算是Pytoch DataLoader的考虑不周。

代码环境复现

 首先我们本地存特征和标签：

from torch import nn
import numpy as np
from torch.utils.data import DataLoader,Dataset

X=np.random.rand(10,3,8,8)
import os
os.makedirs('./test')
np.save(X,'./test/feature.npy')
y=np.random.randint(2,size=(8,))
np.save('./test/label.npy',y)

然后构建相应的DataLoader：

class CustomData(Dataset):
    def