Pytorch中遇到的一些问题

1. Q: RuntimeError: invalid argument 2: size ‘[-1 x 3 x 174]’ is invalid for input with 174 elements at /pytorch/torch/lib/TH/THStorage.c:37

if self.reshape:
        base_out = base_out.view((-1, self.num_segments) + base_out.size()[1:])
  ... ...
 x = torch.randn([1,3,224,224])
 x = Variable(x)
 tsn.forward('test',x)

A: 造成这一问题的原因是用于view的tensor的shape是1x174的，而view后的尺寸是-1x3x174的，因此可以用来view的input的维度不够reshape成-1x3x174,因此报错。因为我主要是在TSN的models.py中测试网络结构，所以初始化的x的batch size设置为1了，因此input不够reshape成-1x3x174的尺寸。
2. Q: RuntimeError: matrices expected, got 3D, 3D tensors at /pytorch/torch/lib/TH/generic/THTensorMath.c:1429
A：出现这一错误的原因是利用mm将两个高维矩阵相乘了，对于高维矩阵的乘积，应当将其改为用matmul相乘。
3. Q: TypeError: argument 0 is not a Variable
A: 造成这一问题的原因在于我使用的pytorch版本是0.3.1，在将input数据送入module中前应将tensor包装为Variable类型，否则就会报错，但是之后的版本合并了tensor和variable，所以解决这一问题的方法有两种：升级版本，或将tensor包装成Variable。参考链接
4. Q: RuntimeError: invalid argument 1: input is not contiguous at /pytorch/torch/lib/TH/generic/THTensor.c:231
A: 遇到这个问题一般是使用了view或者index_select函数，
解决方法：
data = data.view(bsz, -1).t().contiguous()#只要在view函数后面再加个contiguous()就ok
5. Missing key(s) in state_dict、Unexpected key(s) in state_dict解决
解决办法：
参考：https://www.cnblogs.com/zhengbiqing/p/10434704.html
6. RuntimeError: “binary_cross_entropy” not implemented for ‘Long’
解释：换成其他的损失函数都是这个错误，所以排除了是由于最后一层的输入导致的问题，报错的解释是没有该损失函数不能用于Long类型，所以逐一排查了output和target的类型，但是利用type()函数显示二者的类型都显示为torch.tensor
解决办法：目前暂未发现更好的办法，测试时发现当输入为单独的一个整数时，torch.FloatTensor（）函数的输出为空，并且始终报错信息提示传入的数据类型为Long，所以在将output和label送入loss函数之前，人为进行了数据类型的转换，先将tensor类型转换为numpy类型，再转换成list类型，最后再利用torch.FloatTensor（）函数转换即可。
未完待续。。。