1-问题：only one element tensors can be converted to Python scalars
2-分析问题
for e
in range(start
, self
.num_epochs
):
for i
, (input_data
, labels
) in enumerate(zip(tqdm
(self
.data_loader
))):
iter_ctr
+= 1
start
= time
.time
()
input_data
= self
.to_var
(input_data
)
input_data
=input_data
.view
(input_data
.size
(0),-1)
total_loss
,sample_energy
, recon_error
, cov_diag
= self
.dagmm_step
(input_data
)
在训练网络时数据输入用了torch.utils.data.DataLoader函数，用自己的数据库进行数据封装。由于先用了zip(),所以输出是tuple元组格式，用np.array将其转换为数组格式就可以将其导入，但是问题来了，每次只能转一个batch_size的数据之后的不能连续转换
3-解决方案
for e
in range(self
.num_epochs
):
print('Epoch ({}/{})----------------------------------------------------------------------------'.format(e
, self
.num_epochs
))
batch_idxs
= len(self
.data_loader
)// self
.batch_size
for i
in tqdm
(range(0, batch_idxs
)):
iter_ctr
+= 1
start
= time
.time
()
batch
= self
.data_loader
[i
* self
.batch_size
:(i
+ 1) * self
.batch_size
]
input_data
= np
.array
(batch
).astype
(np
.float32
)
input_data
=torch
.tensor
(input_data
)
input_data
= self
.to_var
(input_data
)
input_data
=input_data
.view
(input_data
.size
(0),-1)
total_loss
,sample_energy
, recon_error
, cov_diag
= self
.dagmm_step
(input_data
)
将上述代码改写了一下，解决了该问题，但是感觉不是最优解,我看了其他博客他们的解决方案主要是：数组和张量相互转化，经过实验证明在我的问题上并未能解决问题
要是大家有更好的解决方案欢迎共享~
