文章目錄
TypeError: _mean() got an unexpected keyword argument 'dim’報錯解決【numpy中用axis和pytorch中用dim，因爲一個是numpy變量一個是tensor變量】
報錯如下：
TypeError: _mean() got an unexpected keyword argument 'dim'
報錯原因： numpy中用axis和pytorch中用dim，因爲一個是numpy變量一個是tensor變量
發生錯誤的過程如下：
剛開始，我的代碼是這樣的：
此處省略若干行
input_var = torch.autograd.Variable(data.view(-1, length, data.size(2), data.size(3)),volatile=True)
rst = net(input_var).data
return i, rst.reshape((num_crop, int(args.test_segments/args.models_segments), num_class)).mean(axis=0).reshape((int(args.test_segments/args.models_segments), 1, num_class)), label[0]
這時候運行是沒有問題的，因爲用torch.autograd.Variable接口封裝成Variable類型數據並作爲模型的輸入。net(input_var)得到的結果是Variable，這時候rst是tensor變量，可以用dim參數。
但是因爲我要讀取Tensor內容，需讀取data變量，所以代碼改成了：
此處省略若干行
input_var = torch.autograd.Variable(data.view(-1, length, data.size(2), data.size(3)),volatile=True)
rst = net(input_var).data
return i, rst.reshape((num_crop, int(args.test_segments/args.models_segments), num_class)).mean(axis=0).reshape((int(args.test_segments/args.models_segments), 1, num_class)), label[0]
其中，cpu()表示存儲到cpu，numpy()表示Tensor轉爲numpy array，copy()表示拷貝
然後就
轉成了numpy變量之後，就得用axis了
解決辦法： dim改成axis
附：numpy中的axis和Pytorch中的dim參數
Numpy中有許多函數都帶有一個參數：axis（對應於pytorch中的dim參數），用來指定函數計算是在哪個維度上進行的。這些函數包括：mean() 、sum()等。 這裏說一下axis（dim）的用法：
簡單的記憶方式：
1、二維：
axis=0表示分別對每一列做運算；
axis=1表示分別對每一行做運算。
2、高維：
假設輸入的形狀是(m, n, k):
-如果指定axis(dim)=0, 輸出的size就是(1, n, k)或者(n, k)
-如果指定axis(dim)=1, 輸出的size就是(m, 1, k)或者(m, k)
-如果指定axis(dim)=2, 輸出的size就是(m, n, 1)或者(m, n).
size中是否有“1”，取決於參數keepdims(或keepdim)。keepdims=True會保留維度1，通常默認是等於False。
注意：以上只是經驗總結，對於絕大部分函數適用，少數函數如cumsum（累加）不符合。
此外，對於二維數組（矩陣），可以用一句話記住：axis=0表示分別對每一列做運算；如果axis=1表示分別對每一行做運算。這個tip對幾乎所有場景適用（包括cumsum函數等）。