那些年我們一起踩過的坑!

Error

標籤範圍問題

這個錯誤出現在我參考別人的原始碼來訓練一個車型識別模型，共196類，設定輸出num_classes = 196，結果報下面錯誤，原因是我的輸入的標籤是1-196，超出索引範圍，正確標籤範圍應該是[0,num_classes)

    _, pred = output.data.cpu().topk(1, dim=1)
RuntimeError: cuda runtime error (59) : device-side assert triggered at /pytorch/aten/src/THC/generic/THCTensorCopy.c:70
 

輸入影象大小不一的問題

資料集影象大小不一，載入訓練集時進行了Resize and Crop ,但是在測試時忘記了，因此出現了以下報錯資訊：

    for batch_idx, (input, target) in enumerate(loader):
  File "/usr/local/lib/python2.7/dist-packages/torch/utils/data/dataloader.py", line 264, in __next__
    batch = self.collate_fn([self.dataset[i] for i in indices])
  File
 
 "/usr/local/lib/python2.7/dist-packages/torch/utils/data/dataloader.py", line 138, in default_collate
    return [default_collate(samples) for samples in transposed]
  File "/usr/local/lib/python2.7/dist-packages/torch/utils/data/dataloader.py", line 115, in default_collate
    return torch.stack(batch, 0, out=out)
RuntimeError: invalid argument 0
 
: Sizes of tensors must match except in dimension 0. Got 182 and 360 in dimension 2 at /pytorch/aten/src/TH/generic/THTensorMath.c:3586

argument or attribute error

跑個官例手寫字型就報錯

TypeError: nll_loss() got an unexpected keyword argument 'reduction'

help(F.nll_loss) ,檢視文件，確實沒有該引數。跑到官方手冊檢視，有該引數，確認是版本差！
總結： 官例跟隨最新的版本，如果自己的是老版本，容易遇到一些argument or attribute error，這時候要根據官方手冊排查，確認之後可以選擇更新包或者自己recoding。

Warning

單值張量的索引問題

使用torch.Tensor.item()從包含單個值的張量中獲取Python數字：

UserWarning: invalid index of a 0-dim tensor. This will be an error in PyTorch 0.5. Use tensor.item() to convert a 0-dim tensor to a Python number

volatile was removed

UserWarning: volatile was removed and now has no effect. Use `with torch.no_grad():` instead.
  input_var = torch.autograd.Variable(input.cuda(async=True), volatile=True)

Attention

0.4版本之後Tensor和Variable合併

在此之前只有Variable支援backward，Variable是Tensor的封裝。

新版本中，torch.autograd.Variable和torch.Tensor將同屬一類。更確切地說，torch.Tensor 能夠跟蹤歷史並像舊版本的 Variable 那樣執行; Variable 封裝仍舊可以像以前一樣工作，但返回的物件型別是 torch.Tensor。 這意味著你不再需要程式碼中的所有變數封裝器。