PyTorch打印未初始化张量报Overflow when unpacking long错误的原因与解决

我来帮你分析这个问题并给出解决办法：

首先，你运行的代码是这样的：

from __future__ import print_function
import torch

x = torch.empty(5, 3)
print(x)

触发了RuntimeError: Overflow when unpacking long的错误，报错栈信息你已经贴出来了。

错误原因 #

这个问题的根源在于两点：

1. torch.empty()创建的是未初始化的张量，它的数值是内存里遗留的垃圾数据，这些数据可能是极大的整数，超出了Python整数的安全处理范围；
2. 你使用的PyTorch版本和Python 3.6存在兼容性问题——旧版PyTorch在打印这类未初始化张量时，尝试把内存里的超大值转换为Python整数，导致解包时发生溢出。

解决办法 #

这里有几个可行的方案，你可以根据自己的情况选择：

• 优先推荐：初始化张量后再打印
  既然未初始化的张量值是不可控的垃圾数据，那我们直接创建初始化后的张量就可以了，比如：

  # 用0填充张量
  x = torch.zeros(5, 3)
  # 或者生成0-1之间的随机张量
  x = torch.rand(5, 3)
  # 或者用1填充张量
  x = torch.ones(5, 3)
  print(x)
  

  这样打印出来的都是合法的数值，不会触发溢出错误。

• 升级PyTorch到兼容版本
  如果你确实需要使用未初始化的张量，那建议你升级PyTorch到支持Python 3.6的稳定版本（比如1.8.x及以上）。执行下面的命令升级CPU版本的PyTorch：

  pip install --upgrade torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
  

  新版PyTorch优化了未初始化张量的打印逻辑，会避免这种溢出问题。

• 检查Python版本兼容性
  如果升级PyTorch后问题还存在，可以确认你的Python 3.6是否和当前PyTorch版本兼容。如果条件允许，也可以考虑把Python升级到3.7及以上版本，配合更新的PyTorch，兼容性会更好。

内容的提问来源于stack exchange，提问作者Jibin Mathew