PyTorch报错expected scalar type Float but found Double如何解决

• PyTorch 中nn.Linear层默认初始化的权重、偏置参数均为torch.float32类型，也就是报错信息中提到的Float类型
• 你指定dtype='float64'转换得到的numpy数组转成Torch张量后，对应类型为torch.float64，也就是报错信息中提到的Double类型
• 模型前向计算要求输入张量和模型参数的标量类型完全匹配，二者不一致就会触发该RuntimeError。你将数据转成了双精度浮点，和默认的单精度浮点参数不匹配，所以报错。

你可以任选以下任意一种方案解决类型不匹配问题：

方案1：将输入张量转换为单精度浮点（推荐，运算速度更快、显存占用更低） #

修改你的张量转换代码即可：

# 方法1：直接指定numpy数组类型为float32
y_2 = torch.from_numpy(np.array(y, dtype='float32'))
X_2 = torch.from_numpy(np.array(X, dtype='float32'))

# 方法2：转换为Torch张量后调用.float()方法统一转单精度，写法更简洁
y_2 = torch.from_numpy(np.array(y)).float()
X_2 = torch.from_numpy(np.array(X)).float()

额外注意：你使用的损失函数CrossEntropyLoss要求分类标签输入为torch.long（整数类型），如果你的y是分类标签，不需要转浮点，直接转long类型即可，否则后续计算损失还会触发类型错误。

方案2：将模型参数转换为双精度浮点，适配你的输入类型 #

在定义模型后添加.double()调用，将整个模型的所有参数转为双精度：

net = nn.Linear(54, 7).double()

内容的提问来源于stack exchange，提问作者Ceci Chaung