使用pytorch时所遇到的问题总结

使用pytorch时所遇到的问题总结

1、ubuntu vscode切换虚拟环境

　　在ubuntu系统上，配置工作区文件夹所使用的虚拟环境。之前笔者误以为只需要在vscode内置的终端上将虚拟环境切换过来即可，后来发现得通过配置vscode的解释器（interpreter）具体方法如下：

　　选中需要配置的文件夹，然后点击vscode左下角的写有“Python ***”的位置（或者使用快捷键“ctrl+shift+p”）--》选择文件夹--》从解释器列表中选择要用的解释器。完成设置后，会在文件夹下面多出一个名为“.vscode”的文件夹，其中会多出一个名为“settings.json”的文件，经过设置后该文件内会多出一个条目来指向虚拟环境中的python的路径，例如：python.pythonPath:"/home/lh/anaconda3/envs/pytorch/bin/python"。

2、使用DataLoader时报错：raise RuntimeError('already started')

　　出错位置在使用DataLoader时，将参数“num_workers”设置为大于0的值了，推测原因是没有打开多线程功能，解决方法为将num_workers设置为0。

3、pytorch中使用TensorBoard

　　问题（1）： Import Error:TensorBoard logging requires TensorBoard with Python summary writer installed

　　这是由于当前的环境中没有安装TensorBoard。如果电脑上安装有anaconda，那么直接使用命令“conda install tensorboard”即可。

　　问题（2）：调出tensorboard界面

　　当在程序中调用SummaryWriter之后，在控制台中会给出如下信息：

　　其中需要注意的是“--port 41889”。然后我们在控制台中输入命令“tensorboard --logdir='log' --port=41889”，--logdir用来指向之前所指定的日志目录，--port就是之前控制台中给出的端口号。输入指令后，控制台中会给出一个网址，打开该网址就可以在浏览器中打开tensorboard界面了。

4、pytorch使用dataloader时，报出“TypeError:default_collect:batch must contain tensors, numpy arrays, numbers,dicts or lists; found <class 'PIL.Image.Image'>”

　　这是因为在创建torchvision.Dataset对象的时候没有将数据库内的图像转为torch张量，在创建数据库对象的时候将参数transform进行如下设置就可以了：transform=transform.ToTensor()。

5、RuntimeError:Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same

　　这是由于传入模型的数据是放在CPU内存中的，而模型本身被放置在GPU内存中了。因此只需要将输入的数据放置到GPU内存中就可以解决问该问题了。

6、pytorch，同名函数后面加一个'_'，例如：'clamp()'与'clamp_()'

　　一般来说，如果函数后带了一个下划线，就意味着在改变当前张量的值的同时返回一个修改后的副本；如果不带下划线，那么就只返回修改后的副本，而不改变原来张量的值。例如：

import torch
a=torch.rand(3)
print('a:{}'.format(a))
print("clamp效果：")
b=a.clamp(0, 0.5)
print('b:{}'.format(b))
print('a:{}'.format(a))
print("clamp_效果：")
b=a.clamp_(0, 0.5)
print('b:{}'.format(b))
print('a:{}'.format(a))

　　结果为如下图，可见张量a在调用clamp_函数后其本身的值也会发生改变，但是调用clamp的时候则只会返回一个修改后的副本。

 7、python中(1)与(1,)的区别

　　‘(1)’这种写法得到的是一个int类型的数据，而‘(1, )’得到的是一个turple类型的数据。验证如下：