PyTorch报”RuntimeError: Expected tensor for argument #1 ‘indices’ to have scalar type Long; but got torch.cuda.FloatTensor instead “的原因以及解决办法

问题原因

该问题出现在使用PyTorch时，通常是因为在将参数传递给模型的时候，某个参数的数据类型不匹配。

具体来说，这个错误提示表明在期望使用整数序列indices作为参数传递给某个函数时，实际传递过来的是一个FloatTensor，导致数据类型不匹配而报错。

解决方法

有几种方法可以解决这个问题，具体取决于代码的实现方法和出错原因。以下是一些可能的解决方案。

使用.to（dtype = torch.long）方法进行数据类型转换：

可以使用.to(dtype=torch.long)方法将FloatTensor转换为LongTensor，以使其与期望的数据类型匹配。例如：

indices = tensor.cuda().to(dtype=torch.long)

检查输入参数的数据类型

检查每个输入参数的数据类型以确定哪个参数的数据类型与预期不符。在找到不匹配参数后，可以使用.to（dtype = torch.long）或其他相关方法进行数据类型转换。

检查数据是否在正确的设备上

请确保输入张量位于正确的设备（例如GPU）上。如果张量在CPU上，可以使用.cuda（）方法将其移动到设备上，如果张量已经在设备上，则不需要进行任何操作。

示例代码

以下是一个有关这个错误的示例代码，可以作为参考：

import torch

def main():
    # Create a tensor on the GPU
    tensor = torch.FloatTensor([1, 2, 3]).cuda()

    # Try to use the tensor as indices, but accidentally pass it as a FloatTensor instead of a LongTensor
    indices = tensor

    # This will result in a "Expected tensor for argument #1 'indices' to have scalar type Long; but got torch.cuda.FloatTensor instead" error
    result = torch.gather(tensor, dim=0, index=indices)

if __name__ == '__main__':
    main()

通过使用.to（dtype = torch.long）将indices转换为LongTensor，可以解决这个错误：

import torch

def main():
    # Create a tensor on the GPU
    tensor = torch.FloatTensor([1, 2, 3]).cuda()

    # Use .to(dtype=torch.long) to convert indices from a FloatTensor to a LongTensor
    indices = tensor.cuda().to(dtype=torch.long)

    # This will now work correctly
    result = torch.gather(tensor, dim=0, index=indices)

if __name__ == '__main__':
    main()