本文作者： slience_me

---

项目场景：

在训练模型时候，将数据集输入到网络中去，在执行卷积nn.conv1d()的时候，报出此错误

---

问题描述

报错堆栈信息

Traceback (most recent call last):File "D:\codeHub\AssumptionAnalysis\2024-01-08-ModernTCN\main.py", line 27, in <module>pred_series = model(data_tensor_part)File "C:\Users\slience_me\.conda\envs\machine-learning\lib\site-packages\torch\nn\modules\module.py", line 1518, in _wrapped_call_implreturn self._call_impl(*args, **kwargs)File "C:\Users\slience_me\.conda\envs\machine-learning\lib\site-packages\torch\nn\modules\module.py", line 1527, in _call_implreturn forward_call(*args, **kwargs)File "D:\codeHub\AssumptionAnalysis\2024-01-08-ModernTCN\model.py", line 191, in forwardx_emb = self.embed_layer(x)  # [B, M, L] -> [B, M, D, N]File "C:\Users\slience_me\.conda\envs\machine-learning\lib\site-packages\torch\nn\modules\module.py", line 1518, in _wrapped_call_implreturn self._call_impl(*args, **kwargs)File "C:\Users\slience_me\.conda\envs\machine-learning\lib\site-packages\torch\nn\modules\module.py", line 1527, in _call_implreturn forward_call(*args, **kwargs)File "D:\codeHub\AssumptionAnalysis\2024-01-08-ModernTCN\model.py", line 76, in forwardx_emb = self.conv(x_pad)  # [B*M, 1, L+P-S] -> [B*M, D, N]File "C:\Users\slience_me\.conda\envs\machine-learning\lib\site-packages\torch\nn\modules\module.py", line 1518, in _wrapped_call_implreturn self._call_impl(*args, **kwargs)File "C:\Users\slience_me\.conda\envs\machine-learning\lib\site-packages\torch\nn\modules\module.py", line 1527, in _call_implreturn forward_call(*args, **kwargs)File "C:\Users\slience_me\.conda\envs\machine-learning\lib\site-packages\torch\nn\modules\conv.py", line 310, in forwardreturn self._conv_forward(input, self.weight, self.bias)File "C:\Users\slience_me\.conda\envs\machine-learning\lib\site-packages\torch\nn\modules\conv.py", line 306, in _conv_forwardreturn F.conv1d(input, weight, bias, self.stride,
RuntimeError: expected scalar type Double but found Float

---

原因分析：

• tensor的数据类型dtype不正确

这个错误通常是由于数据类型不匹配导致的。在PyTorch中，张量有不同的数据类型，如float32（FloatTensor）和float64（DoubleTensor）等。在进行计算时，PyTorch要求输入的张量数据类型要与操作或模型所期望的数据类型一致，否则会出现这个错误。

例如，如果你的模型或操作期望输入的数据类型为Double（float64），但你提供的张量类型是Float（float32），就会出现类似的错误。PyTorch会提示它期望的数据类型与实际提供的数据类型不匹配。

---

解决方案：

• 将数据类型转为float32
• 或者将数据类型转为float64

解决这个问题的方式通常是将数据类型转换为匹配模型或操作所期望的类型。可以使用 .to() 方法将张量转换为正确的数据类型。例如，将Float类型的张量转换为Double类型：

double_tensor = float_tensor.to(torch.double)
double_tensor = float_tensor.to(torch.float64)
# 或者
float_tensor = double_tensor.to(torch.float32)

另外，还需确保模型的输入数据类型与模型定义时期望的数据类型相匹配，这样可以避免出现数据类型不一致的错误。