运行时错误：mean()：输入数据类型应该是浮点或复杂数据类型。反而长了

Question

我使用 PyTorch 编写了以下代码并遇到了运行时错误：

tns = torch.tensor([1,0,1])
tns.mean()
---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-666-194e5ab56931> in <module>
----> 1 tns.mean()

RuntimeError: mean(): input dtype should be either floating point or complex dtypes. Got Long instead.

但是，如果我将张量更改为

float

，错误就会消失：

tns = torch.tensor([1.,0,1])
tns.mean()
---------------------------------------------------------------------------
tensor(0.6667)

我的问题是为什么会发生错误。第一个张量的数据类型是

int64

而不是

Long

，为什么PyTorch将其视为

Long

？

Answer 1

您应该将 'torch.tensor([1,0,1])' 更改为 'torch.Tensor([1,0,1])。

Answer 2

这是因为

torch.int64

和

torch.long

都指的是相同的数据类型，即 64 位有符号整数。请参阅此处了解所有数据类型的概述。

Answer 3

我在下面遇到了同样的错误：

运行时错误：mean()：无法推断输出数据类型。输入数据类型必须是浮点或复数数据类型。得到：长

因为我使用了 mean() 和整数张量，如下所示。 *

mean()

可以表示（平均）零个或多个浮点或复数的0D或多个D张量：

import torch

my_tensor = torch.tensor([2, 7, 4])

torch.mean(input=my_tensor) # Error

所以，我将张量转换为浮点或复数，然后我可以得到如下所示的结果：

import torch

my_tensor = torch.tensor([2, 7, 4])

torch.mean(input=my_tensor.float()) # tensor(4.3333)
torch.mean(input=my_tensor.cfloat()) # tensor(4.3333+0.j)

import torch

my_tensor = torch.tensor([2., 7., 4.])

torch.mean(input=my_tensor) # tensor(4.3333)

my_tensor = torch.tensor([2.+0.j, 7.+0.j, 4.+0.j])

torch.mean(input=my_tensor) # tensor(4.3333+0.j)