《深度學習框架PyTorch：入門與實踐》的Loss函數構建代碼運行問題

在學習陳雲的教程《深度學習框架PyTorch：入門與實踐》的損失函數構建時代碼如下：

可我運行如下代碼：

output = net(input)
target = Variable(t.arange(0,10))  
criterion = nn.MSELoss()
loss = criterion(output, target)
loss

運行結果：

RuntimeError                              Traceback (most recent call last)
<ipython-input-37-e5c73861a53b> in <module>()
      2 target = Variable(t.arange(0,10))
      3 criterion = nn.MSELoss()
----> 4 loss = criterion(output, target)
      5 loss

RuntimeError: Expected object of type torch.FloatTensor but found type torch.LongTensor for argument #2 'target'

根據stackoverflo的問題Pytorch: Convert FloatTensor into DoubleTensor和PyTorch(總)——PyTorch遇到令人迷人的BUG與記錄，用torch.from_numpy(Y).float()這樣的形式修改下target的類型。

#torch.from_numpy(Y).float()
output = net(input)
y = np.arange(0,10).reshape(1,10)
target = Variable(t.from_numpy(y).float())  
criterion = nn.MSELoss()
loss = criterion(output, target)
loss

運行結果：

tensor(28.5897, grad_fn=<MseLossBackward>)

---

同樣的，后面優化器Optim代碼中target也是出現這樣的錯誤：

import torch.optim as optim
#新建一個優化器，指定要調整的參數和學習率
optimizer = optim.SGD(net.parameters(),lr=0.01)

#在訓練過程中
#先梯度清零(與net.zero_grad()效果一樣)
optimizer.zero_grad()

#計算損失
output = net(input)
#把target改為Variable(t.from_numpy(y).float())就不會出錯了
loss = criterion(output, target)

#反向傳播
loss.backward()

#更新參數
optimizer.step()

運行結果：

修改target為Variable(t.from_numpy(y).float())后成功運行：

import torch.optim as optim
#新建一個優化器，指定要調整的參數和學習率
optimizer = optim.SGD(net.parameters(),lr=0.01)

#在訓練過程中
#先梯度清零(與net.zero_grad()效果一樣)
optimizer.zero_grad()

#計算損失
output = net(input)
#把target改為Variable(t.from_numpy(y).float())就不會出錯了
loss = criterion(output, Variable(t.from_numpy(y).float()))

#反向傳播
loss.backward()

#更新參數
optimizer.step()