indexes是什么意思（IndexError: invalid index of a 0-dim tensor. Use `tensor.item()` in Python）

当运行下面代码时出现下面的错误

if iteration%10 == 0: print("===> Epoch[{}]({}/{}): Loss: {:.10f}".format(epoch, iteration, len(training_data_loader), loss.data[0]))

修改建议：

去掉loss.data[0]后面的[0]  
  
  
  
  
  
  
  
  。

if iteration%10 == 0: print("===> Epoch[{}]({}/{}): Loss: {:.10f}".format(epoch, iteration, len(training_data_loader), loss.data))

原因：loss是0维张量

创建一个Tensor默认是不可导的                  ，即   .requeires_grad  属性等于false 
  
  
  
  
  
  
  
  
 。

在pytorch0.4版本之后 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
，Variable和Tensor进行的合并


 


 


 


 


 


 


 


 


。loss.data直接输出tensor值
















，不输出tensor的梯度信息 
 
 
 
 
 
 
 
 。比如：

 loss是0维张量
  
  
  
  
  
  
  
  
  ，因此在输出loss.data的时候维度为0 
  
  
  
  
  
  
  
  
，可以用loss.data.size()测试  
   
   
   
   
   
   
   
   
 。可以利用loss.item()将张量转换为python number

 

 

 

 

 

 

 

 

。

重点介绍一下.data和detach()函数的区别

推荐在经网络网训练或测试时访问tensor的数据时使用.detach()方法
 

 

 

 

 

 

 

 

 。

简单的说就是使用y=x.data属性来访问数据时 


 


 


 


 


 


 


 


 

，pytorch不会记录数据是否改变
 
 
 
 
 
 
 
 
 ，此时改变了y的值  
   
   
   
   
   
   
   
   
，意味着也要改变x的值 

 

 

 

 

 

 

 

 
，而在自动求导时会使用更改后的值

 

 

 

 

 

 

 

 

 ，这回导致错误求导结果                  。

而使用y=x.detach()时                 ，如果了y值 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 
，也意味着改变了x值

















，此时调用x.backword()会报错
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 

。也就是说.detach()方法会记录数据的变化状态