使用graph_weather库遇RuntimeError：张量维度不匹配问题求助

问题原因 #

报错提示输入特征维度（78）与模型输出维度（102）不匹配，核心原因是GraphWeatherForecaster类默认的输入/输出特征维度并非78（默认值对应官方数据集的特征数量），而你手动生成的输入特征为78维，导致模型输出维度和输入维度无法匹配。

解决方案 #

初始化GraphWeatherForecaster时，显式指定input_dim和output_dim参数为你的输入特征维度78，确保模型的输入输出维度与数据维度完全对齐。

修正后的完整代码：

import torch
from graph_weather import GraphWeatherForecaster
from graph_weather.models.losses import NormalizedMSELoss

lat_lons = []
for lat in range(-90, 90, 1):
    for lon in range(0, 360, 1):
        lat_lons.append((lat, lon))
# 显式指定input_dim和output_dim为78，匹配自定义特征维度
model = GraphWeatherForecaster(lat_lons, input_dim=78, output_dim=78)

features = torch.randn((2, len(lat_lons), 78))

out = model(features)
criterion = NormalizedMSELoss(lat_lons=lat_lons, feature_variance=torch.randn((78,)))
loss = criterion(out, features)
loss.backward()

补充说明 #

• 若后续更换特征维度，只需同步修改input_dim、output_dim以及输入特征张量的最后一维大小即可；
• 你代码中NormalizedMSELoss的feature_variance参数维度已设置为78维，这部分与特征维度匹配，无需调整。

内容的提问来源于stack exchange，提问作者Gianni Spear