IndexError: invalid index of a 0-dim tensor. Use tensor.item() to convert a 0-dim tensor to a Pytho

原创

wx5ba0c87f1984b 2021-08-13 09:35:02 博主文章分类：异常处理 ©著作权

文章标签 解决方法版本更新原语 JAVA 文章分类 Java 后端开发

©著作权归作者所有：来自51CTO博客作者wx5ba0c87f1984b的原创作品，请联系作者获取转载授权，否则将追究法律责任

报错原因分析:

train_loss += loss.data[0] 是pytorch0.3.1版本代码,在0.4-0.5版本的pytorch会出现警告,不会报错,但是0.5版本以上的pytorch就会报错,总的来说是版本更新问题.

解决方法:

#将原语句：

train_loss+=loss.data[0]

#修改为：

train_loss+=loss.item()

#bingo

上一篇：计算机视觉中的细节问题(九)

下一篇：什么是棋盘效应

提问和评论都可以，用心的回复会被更多人看到评论

发布评论

相关文章

已解决UnicodeDecodeError: ‘utf-8‘ codec can‘t decode byte 0xa1 in position 0: invalid start byte异常的正确解决

已解决UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa1 in position 0: invalid start byte异常的正确解决方法，亲测有效！！！文章目录问题分析报错原因解决思路 &nbs

数据 ico 解决方法
讲解'utf-8' codec can't decode byte 0xb6 in position 34: invalid start byte

讲解 'utf-8' codec can't decode byte 0xb6 in position 34: invalid start byte在编程过程中，我们经常会遇到各种编码和解码的问题。其中一个常见的错误是 'utf-8' codec can't decode byte 0xb6 in position 34: invalid start byte。这个错误表示在使用 utf-8 编码

ico 数据编码格式
小程序从0开发

首先访问微信公众平台()-注册微信小程序账号作用：开发管理小程序，通过账号进行开发信息设置，开发成员添加，查看小程序的运营数据。1.准备一个邮箱，要求：未被微信公众平台注册未被微信开放平台注册未被个人微信号绑定过！如果绑定了需要解绑或使用其他邮箱步骤进入微信公众平台->点击立即注册->选择小程序->点击立即注册->填写邮箱等信息->点击注册->选择注册国家-

开发者小程序
IndexError: invalid index of a 0-dim tensor. Use tensor.item() to convert a 0-dim tensor to a Python

对于这个问题常见的两种解决方案:方案1:running_loss += loss.data[0]改成: running_loss += loss.item () 用.item()来获取数据方案2:loss_return.data[0] 改成: loss_return.data 用.data来获取数据...

AI-python python
IndexError: invalid index of a 0-dim tensor. Use `tensor.item()` in Python or `tensor.item＜T＞()` in

文章目录1、问题描述2、解决方案1、问题描述在学习MNIST手写数字识别的项目时，遇到了下面的问题：源代码出错的地方

深度学习解决方案手写数字识别
【问题记录】pytorch自定义数据集 No such file or directory， invalid index of a 0-dim

保存模型：：保存整个神经网络的结构和模型参数 torch.save(mymodel, ‘mymodel.pkl’) 只保存神经网络的模型参数 torch.save(mymodel.state_dict(), ‘mymodel_params.pkl’) 导入模型： mymodel = torch.load(‘mymodel.pkl’)x=x.view(1,1,4,5) 意思是将 x 矩阵转换成

神经网络深度学习卷积初始化数据集
TypeError: can‘t convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to

环境：Python：3.7.10Anaconda：2.0.4YOLOv5：3.1torch：1.7.0+cu101torchvision：0.8.1+cu101Traceback (most

desktop python 错误提示
IndexError: dimension specified as 0 but tensor has no dimensions

loss = loss.unsqueeze(0) 升维losses.update(loss.item(), loss.size(0))IndexError: dimension specified as 0 but tensor has no dimensionsa = torch.tensor([1])b = torch.tensor(1)a 和 b 之间是有很大的区别的。

JAVA
torch.gather(input, dim, index, *, sparse_grad=False, out=None) → Tensor

torch.gather(input, dim, index, *, sparse_grad=False, out=None) → Tensor沿dim指定的轴聚集值。对于三维张量，输出由以下公式指定：out[i][j][k] = input[index[i][j][k]][j][k] # if dim == 0out[i][j][k] = input[i][index[i][j][k]][k] # if dim == 1out[i][j][k] = input[i][j][index[i]

交换元素编程
TypeError: can‘t convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory fi

pt = (detections[0, i, j, 1:] * scale).cpu().numpy()加上cpu

【】
TypeError: can't convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory fi

这行报错：predict = predict.data.numpy()TypeError: can't convert CUDA tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.意思是:如果想把CUDA tensor格式的数据改成numpy时，需要先将其转换成cpu fl

数据
Tensor Tensor(

我在是在多线程中出现了这

加载多线程解决方法
tf.convert_to_tensor

将给定值转换为张量。tf.convert_to_tensor( value, dtype=None, dtype_hint=None, name=None)该函数将各种类型的Python对象转换为张量对象。它接受张量对象、数字数组、Python列表和Python标量。例：import numpy as npdef my_func(arg)...

python 数组标量构造函数函数应用
tf.convert_to_tensor()

将给定值转换为张量。tf.convert_to_tensor( value, dtype=None, name=None, preferred_dtype=None, dtype_hint=None)该函数将各种类型的Python对象转换为张量对象。它接受张量对象、数字数组、Python列表和Python标量。例如:import nump...

python 标量数组构造函数函数应用
ValueError: Can't convert non-rectangular Python sequence to Tensor.

发生此报错的原因可能是python序列是非矩形的数据，即在某个维度上数据不能对齐；或者你在使用pandas的数据时直接调用，如： 1 input_data = pd.DataFrame([[1,5,3], [5,2,9]]) 2 train_data = tf.random.shuffle(inpu

Python开发 Python教程
IndexError: invalid index of a 0-dim tensor. Use tensor.item() to convert a 0-dim tensor to a Python number

方法一：把loss.data[0]后边的[0]删除方法二：将代码中的 train_loss+=loss.data[0] #修改为： train_loss+=loss.item() #bingo 我的用法二解决 ...

其他
torch.unsqueeze(tensor, dim)函数

功能: 返回一个新的tensor，新tensor增加了一个纬度，新的纬度的大小是1。参数 tensor: 在哪个tensor上增加纬度 dim：在哪个纬度之前增加一个纬度示例： target1: 在第一个纬度之前增加一个纬度(原来是[4]，增加以后变为[1, 4]) target2: 在第二个纬 ...

其他
pytorch中tensor补0 pytorch tensor操作

一、什么是Pytorch Pytorch是一个基于Numpy的科学计算包, 向它的使用者提供了两大功能： 1.作为Numpy的替代者, 向用户提供使用GPU强大功能的能力。 2.做为一款深度学习的平台, 向用户提供最大的灵活性和速度。二、Pytorch的基本元素操作 Tensors张量: 张量的概念类似于Numpy中的ndarray数据结构，最大的区别在于Tensor可以利用GPU的加速功能。

pytorch中tensor补0 机器学习深度学习初始化数据
pytorch tensor全大于0 pytorch tensor list

Tensor和autogradTensorautogradPytorch中的自动求导函数backward()所需参数含义计算图扩展autograd（即实现自定义复杂函数的反向传播）参考文献几乎所有的深度学习框架背后的设计核心都是张量和计算图， PyTorch 也不例外。 Tensor使用Tensor函数新建tensor是最复杂多变的方式，它既可以接收一个list，并根据list的数据新建te

pytorch tensor全大于0 反向传播子节点自定义
pytorch tensor补一个通道0 pytorch tensor扩展

以下小结为本人结合实验后得出的结论，如有错误或补充欢迎指正交流。（持续更新）tensor.expand()这个方法可以扩张维度，返回当前张量在某维扩展更大后的张量，但是被扩张的维度里的元素只能唯一。tensor.squeeze()将维度压缩到最紧凑的状态至于为啥要压缩，也不是很清楚tensor.view()将矩阵变成想要的形状参数为该维度中元素个数，如图dim=0的元素个数为3，dim=1的元素

pytorch 深度学习神经网络持续更新
人脸识别比对 java开源项目

最近在微信公众号里看到轻量级人脸检测算法大盘点的文章，里面还提供了github源码地址，我就把它们逐个下载到本地win10-cpu机器上，调试通过运行。去年在github下载过一个包含6种人脸检测的程序(地址是 https://github.com/cs-giung/face-detection-pytorch)，分别是pyramidbox，dsfd，s3fd，tinyface，facebox，m

人脸识别比对 java开源项目人脸特征点java 人脸检测 github 直方图
数据可视化项目前端文档

在前端有一件事情很重要那就是点击后页面跳转!后台管理系统中,在菜单功能里必然涉及页面跳转页面跳转的功能由两部分控制:1是controller层的requestmapping 和 return返回的jsp路径(最重要)2是系统设置中菜单管理中的链接只要requestmapping中的路径没问题链接地址保持一致点击菜单管理中的已经设置好的功能按钮就可以实现页面跳转在实际的场景中,我们可以利用这一点可

数据可视化项目前端文档测试controller 测试service ssm单元测试后端可视化检测
centos 8 配置反向解析

用户进程在使用虚拟内存的过程中，从虚拟内存页面映射到物理内存页面时，PTE保留这个记录，page数据结构中的_mapcout记录有多少个用户PTE映射到物理页面。用户PTE是指用户进程地址空间到物理页面的建立映射的PTE，不包括内核地址空间映射到物理页面所产生的PTE，其要面对以下的问题有些页面需要迁移有些页面长时间不适用，需要交换到磁盘在交换之前，必须找到哪个进程适用这个页面，然后解除这些映射的

centos 8 配置反向解析数据结构内核 linux 操作系统
odoo17 镜像地址

dockerdocker镜像集成了最核心需要得环境，所以占空间小，运行快，启动秒级。docker的几个概念：注册中心：相当于超级码头，上面放的就是集装箱。镜像（image）：集装箱,好比一个模板，可以通过这个模板来创建容器服务，tomcat镜像–》run–》tomcat01容器（提供·服务器），通过这个镜像可以创建多个容器，最终服务运行或者项目运行就是在容器中的。**容器(container)：*

odoo17 镜像地址 docker linux 运维 ci
Django的三层架构到底是

目录一、orm表关系如何建立二、django请求生命周期流程图三、urls.py —— 路由层1. 路由匹配2. 正则分组匹配2.1 无名分组2.2 有名分组3. 反向解析3.1 路由中没有正则3.2 路由中含有无名分组正则3.3 路由中含有有名分组正则4. 路由分发5. 名称空间6. 伪静态7. 虚拟环境8. django版本区别四、views.py —— 视图层一、orm表关系如何建立多对多

Django的三层架构到底是 django 正则数据

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯