关于Pycharm和PyTorch的一点小坑

最新推荐文章于 2025-04-15 21:42:18 发布

原创最新推荐文章于 2025-04-15 21:42:18 发布 · 1w 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#pycharm #pytorch #python

PyTorch 专栏收录该内容

2 篇文章

订阅专栏

在使用PyCharm进行PyTorch编程时，遇到一个关于数据类型的提示错误。从numpy数组转化为PyTorch tensor时，PyCharm提示参数不匹配，但实际上代码可以正常运行。问题出在PyCharm对于`torch.tensor()`的理解，虽然它能接受数组并创建Tensor，但在某些情况下会给出错误提示。解决方法是明确指定数据类型，将DoubleTensor转为FloatTensor以符合模型输入要求，但PyCharm仍然显示错误提示。最终通过代码妥协实现无误运行。

首先，我使用numpy创建一个ndarray数组：

>>>a = np.array([1.0,2.0])
>>>a.dtye
dtype('float64')

这没什么问题，可以看出numpy默认创建的浮点数类型是float64
接下来，我将ndarray数组转化成PyTroch的tensor

>>>b = torch.tensor(a)
>>>b
tensor([1., 2.], dtype=torch.float64)

看起来似乎没问题？但是这时候你查看一下b是什么类型的tensor

>>>b.type()
'torch.DoubleTensor'

看到了吗，当ndarray的类型是float64时，就转化为torch.DoubleTensor了
而当你使用

>>>b = torch.Tensor(a)
>>>b
tensor([1., 2.])
>>>b.type()
'torch.FloatTensor'

可以看出，torch.Tensor是默认将其转化成FloatTensor的，这没问题，因为torch.Tensor其实等价于torch.FloatTensor。
关于torch.Tensor和torch.tensor的区别可以看我的上一篇博客torch.Tensor和torch.tensor有什么区别。

这时问题来了：当你在pycharm中使用torch.Tensor的时候，会有一个inspection info提示你传入的参数和Tensor声明的参数不一样，但是代码运行起来是没问题的。我去查看了PyTorch的文档，里面写着torch.Tensor（*size)，也就是传入的是size，创建一个维度为size的FloatTensor，示例如下：

>>>torch.Tensor(2,3)
tensor([[0., 0., 0.],
        [0., 0., 0.]])

但其实它也是能够传入ndarray数组转化成FloatTensor的（就如上面所示），所以这一点应该是Pycharm的问题，莫名其妙的提示我参数不对。。。
一开是我就按照他的提示，改成了torch.tensor()，然后当我模型训练的时候，报错了：
Expected object of scalar type Float but got scalar type Double for argument #4 'mat1'
说的是我的神经网络torch.nn.Linear()`传入的应该是要一个Float类型的变量而实际传入的是Double类型的变量，所以根据上面我们可以知道

torch.tensor(data)是将类型为float64的ndarray转化成DoubleTensor类型的tensor，但是好像torch.nn.Linear()中使用的tensor需要的是FloatTensor，所以就会报错，因此你需要将其改成FloatTensor。
torch.Tensor(data)可以将其转换为FloatTensor，并且可以成功运行，但是Pycharm不知道为什么抽风了提示我参数不对，看着我很难受。
最后，做了折衷，该成如下的代码torch.tensor(data, dtype=torch.float32)，可以成功运行并且也不报错了。