1.使用 conda 安装PyTorch后同时在Jupyter导入失败No module named ‘torch’

通过Conda安装PyTorch，同时在Jupyter中导入PyTorch，会报错No module named 'torch'。

分析：

原因就是在使用Jupyter Notebook的时候，加载的仍然是默认的Python Kernel。

解决：

（1）在Conda中切换到安装PyTorch的虚拟环境，然后执行conda install nb_conda_kernels安装Jupyter内核切换工具。

安装完成后，再重启Jupyter Notebook，在新建脚本时就能选择Kernal：

也可以对建好的文件切换Kernal：

2.PyTorch使用张量时报错expected scalar type Double but found Float

有时候，使用张量Tensor会报错：

RuntimeError: expected scalar type Double but found Float

分析：

这是因为张量的数据类型不正确。

解决:

此时需要先进行类型转换，将数据类型转为float32，再进行操作，如下：

tensor = tensor.to(torch.float32)

3.PyTorch创建Embedding时报错IndexError: index out of range in self

PyTorch中很多时候都会用到Embedding嵌入，特别是在NLP任务中，用于存储一个简单的存储固定大小的词典的嵌入向量的查找表，按时在创建EMbedding时有时候会出错，如下：

  File "E:\Anaconda3\envs\pytorchbase\Lib\site-packages\torch\nn\modules\module.py", line 1102, in _call_impl
    return forward_call(*input, **kwargs)
  File "E:\Anaconda3\envs\pytorchbase\Lib\site-packages\torch\nn\modules\sparse.py", line 158, in forward
    return F.embedding(
  File "E:\Anaconda3\envs\pytorchbase\Lib\site-packages\torch\nn\functional.py", line 2044, in embedding
    return torch.embedding(weight, input, padding_idx, scale_grad_by_freq, sparse)
IndexError: index out of range in self

分析：

这是因为num_embeddings（词典的词个数）不够大，进行词嵌入的时候字典从1, …, n，映射所有的词（或者字）num_embeddings =n是够用的，但是会考虑pad，pad默认一般是0，所以我们会重新处理一下映射字典0, 1, 2, …, n一共n+1个值，此时num_embeddings=n+1才够映射。

解决：

修改参数num_embeddings的值为实际词个数+1即可解决这个问题。

​