PyTorch线性层报错expected scalar type Long but found Float如何解决

该报错的核心原因是输入张量与全连接层参数的标量类型不匹配：

• PyTorch的nn.Linear层初始化时，权重、偏置参数默认都是FloatTensor（float32浮点类型），且这类可训练参数必须用浮点类型才能支持梯度下降计算。
• 你自定义的LaegueDataset_train返回的输入特征x是LongTensor（int64整数类型），线性层执行矩阵运算时要求两个运算数类型一致，因此触发类型不匹配报错。
• 你之前尝试给x加.long()强制转换的操作无效，是因为该操作仅会保持x为整数类型，和浮点类型的层参数仍然不匹配。

注意：报错提示的expected scalar type Long but found Float容易造成误导，这里的逻辑是：输入x为Long类型，PyTorch推断运算需要Long类型的参数，结果实际读到的层参数是Float类型，因此抛出该报错，并非要求你把层参数转为Long类型。

两种方案任选其一即可：

• 方案1：在前向传播入口统一转换类型
  修改forward方法，在进入全连接层前把输入转为浮点类型：

def forward(self, x):
    x = x.float() # 新增该行，将LongTensor转为和层参数匹配的FloatTensor
    x = self.linear1(x)
    x = self.linear2(x)
    x = self.linear3(x)
    return x

• 方案2：从数据源侧统一转换类型
  修改LaegueDataset_train的__getitem__方法，返回特征张量时直接转为Float类型，从根源避免类型不匹配问题。

内容的提问来源于stack exchange，提问作者Lupos