PyTorch报”RuntimeError: Expected object of scalar type Double but got scalar type Float for argument #2 ‘other’ “的原因以及解决办法

问题描述

在使用PyTorch的时候，有时会出现以下报错信息：

RuntimeError: Expected object of scalar type Double but got scalar type Float for argument #2 'other'

这个错误的意思是：PyTorch期望得到的是Double类型的对象，但实际上传入的是Float类型的对象。

错误原因

通常情况下，这个错误是由于数据类型不匹配引起的。

在PyTorch中，数据类型有很多种，如Float、Double、Int、Long等等。每种数据类型都有其对应的Tensor（张量）类型，如FloatTensor、DoubleTensor、IntTensor、LongTensor等等。当我们进行Tensor的操作时，如果不注意数据类型的匹配，就容易出现这个错误。

解决办法

针对这个错误，有以下几种解决办法：

统一数据类型

最好的方法是将所有的数据类型都统一起来，在代码中保持一致。可以使用to()函数将张量转换为特定的数据类型，例如：

x = x.to(torch.float64)

这个操作会将x的数据类型转换为Double类型。

检查数据类型

在进行Tensor操作之前，先检查一下数据类型是否匹配。可以使用type()函数来检查数据类型，例如：

if x.type() != y.type():
    y = y.to(x.type())

这个操作比较低效，当然，也可以使用dtype属性来检查数据类型：

if x.dtype != y.dtype:
    y = y.type_as(x)

使用特定的函数

有些函数只接受特定类型的张量作为参数。在这种情况下，需要使用特定的函数来避免错误。例如，如果要使用torch.cholesky()函数，就必须将张量的数据类型设置为Double，否则会报错。可以使用torch.Tensor.double()将张量的数据类型设置为Double：

A = torch.randn(3,3).float()
L = torch.cholesky(A.double())

这个操作会将A的数据类型转换为Double类型。同时，也可以使用torch.Tensor.float()将张量的数据类型设置为Float。

总的来说，PyTorch的数据类型十分灵活，但也需要我们在使用的时候注意数据类型的匹配，避免出现这样的错误。