我正在学习 pytorch，并参加基于 tensorflow 的 anpr项目 （https://github.com/matthewearl/deep-anpr，http://matthewearl.github.io/2016/05/06/cnn-anpr / ) 作为练习，移植到pytorch平台。

有一个问题，我使用 nn.CrossEntropyLoss() 作为损失函数：

模型的 output.data 是：

和targets.data是：

当我打电话时：

发生错误，信息是：

调用 loss=criterion(output,targets)，错误是：

我最后一个练习是mnist，一个pytorch的例子，我做了一点修改，batch_size是4，损失函数：

输出数据：

标签.数据：

标签，对于输入图像，必须是单个元素，在上例中，有 253 个数字，而在 'mnist' 中，只有一个数字，输出的形状与标签不同。

我查看了 tensorflow 手册 tf.nn.softmax_cross_entropy_with_logits，“Logits 和标签必须具有相同的形状 [batch_size, num_classes] 和相同的 dtype（float32 或 float64）。”

pytorch 是否支持 tensorflow 中的相同功能？

很多想法

我正在尝试 pytorch 中的 impelement 代码，但出现以下错误。我的 python 版本是 3.6，我的操作系统是 linux ubuntu 16.04 lts。我在 mac os 旁边安装了我的 linux。我们将使用 torchvision 和 torch.utils.data 包来加载数据。每个类有 75 个验证图像。

我的代码如下：

我刚开始使用 PyTorch，不幸的是，在将我自己的训练/测试图像数据集用于自定义算法时，我有点困惑。首先，我正在制作一个小型的“hello world”式卷积衬衫/袜子/裤子分类网络。我只加载了一些图像，只是确保 PyTorch 可以加载它们并将它们正确转换为 32x32 可用图像。我的 ImageFolder 设置如下：

图像/袜子/袜子图像.jpeg
图像/裤子/裤子图像.jpeg
图像/衬衫/衬衫图像.jpeg

以及我的测试图像文件夹的类似设置。根据我目前的知识，PyTorch 中内置的图像加载器应该从训练/测试图像中的子文件夹名称中读取标签。但是，我TypeError抱怨说我的迭代器不可迭代。这是我的代码和错误：

错误：

它说它是对包含行的引用dataiter.next()，这意味着编译器认为我不能迭代dataiter？

请帮忙！提前致谢，

-David Sillman，PyTorch 新手

我正在阅读 PyTorch 的文档，并找到了他们编写的示例

其中 x 是一个初始变量，从中构造了 y（一个 3 向量）。问题是，梯度张量的 0.1、1.0 和 0.0001 参数是什么？文档对此不是很清楚。

几天来，我正在尝试使用 LSTM 构建一个简单的正弦波序列生成，但到目前为止还没有看到任何成功。

我从时序预测例子开始

我想做的所有不同的是：

• 使用与 LBFGS 不同的优化器（例如 RMSprob）
• 尝试不同的信号（更多的正弦波分量）

这是我的代码的链接。“experiment.py”是主文件

我要做的是：

• 我生成人工时间序列数据（正弦波）
• 我将那些时间序列数据切割成小序列
• 我的模型的输入是时间序列 0...T，输出是时间序列 1...T+1

会发生什么：

• 训练和验证损失平稳下降
• 测试损耗非常低
• 但是，当我尝试从种子（来自测试数据的随机序列）开始生成任意长度的序列时，一切都出错了。输出总是平坦的

我根本不明白问题是什么。我现在正在玩这个一周，看不到任何进展。如果有任何帮助，我将不胜感激。

谢谢

正如 PyTorch 的文档中给出的那样，Conv2d 层使用默认膨胀 1。这是否意味着如果我想创建一个简单的 conv2d 层，我必须编写

而不是简单地写

还是在 PyTorch 中dilation = 1意味着与dilated Convolution部分中给出的dilation = 0相同？

你如何训练神经网络从向量表示映射到一个热向量？我感兴趣的例子是向量表示是word2vec嵌入的输出，我想映射到用于训练嵌入的语言中的各个单词，所以我猜这是vec2word？

更详细一点；如果我理解正确，嵌入空间中的一组点代表相似的词。因此，如果您从该集群中的点进行采样，并将其用作 的输入vec2word，那么输出应该是到相似单个单词的映射？

我想我可以做一些类似于编码器 - 解码器的事情，但它必须那么复杂/使用这么多参数吗？

有这个TensorFlow教程，如何训练word2vec，但我找不到任何帮助来做相反的事情？我很高兴使用任何深度学习库来做这件事，并且可以使用采样/概率来做。

非常感谢您的帮助，阿杰。

我试图在 Nvidia GPU 上训练一些神经网络，但桌面环境（KDE）似乎占用了 GPU：

这是我正在运行的python代码：

错误：

如何禁止那些与 kde 相关的进程使用 GPU，而让它们使用 Intel 显卡？

我正在研究 Pytorch 的线性回归问题。
我在单变量情况下取得了成功，但是当我执行多变量线性回归时，出现以下错误。我应该如何使用多个变量执行线性回归？

TypeError Traceback (last last call last) in () 9 optimizer.zero_grad() #gradient 10 outputs = model(inputs) #output ---> 11 loss = criteria(outputs,targets) #loss function 12 loss.backward() #backward propogation 13 optimizer.step() #1-step optimization(gradeint descent)

/anaconda/envs/tensorflow/lib/python3.6/site-packages/torch/nn/modules/module.py in call (self, *input, **kwargs) 204 205 def call (self, *input, ** kwargs): --> 206 result = self.forward(*input, **kwargs) 207 for hook in self._forward_hooks.values(): 208 hook_result = hook(self, input, result)

/anaconda/envs/tensorflow/lib/python3.6/site-packages/torch/nn/modules/loss.py in forward(self, input, target) 22 _assert_no_grad(target) 23 backend_fn = getattr(self._backend, type (self) .name) ---> 24 return backend_fn( self.size_average )(input, target) 25 26

/anaconda/envs/tensorflow/lib/python3.6/site-packages/torch/nn/_functions/thnn/auto.py in forward(self, input, target) 39 output = input.new(1) 40 getattr(self ._backend, update_output.name)(self._backend.library_state, input, target, ---> 41 output, *self.additional_args) 42 return output 43

TypeError：FloatMSECriterion_updateOutput 收到无效的参数组合 - 得到（int，torch.FloatTensor，torch.DoubleTensor，torch.FloatTensor，bool），但预期（int state，torch.FloatTensor 输入，torch.FloatTensor 目标，torch.FloatTensor 输出，布尔大小平均）

这是代码

安装pytorch时出现如下错误

以下错误

怎么了 ？我不明白错误来自/python2.7/dist-packages/pip/