Pytorch TypeError: только целочисленные тензоры одного элемента могут быть преобразованы в индекс ⇐ Python

[Anonymous]

Я пытаюсь использовать Pytorch в случае бинарной классификации NLP, и мне нужна помощь, чтобы закончить обучение и проверку нейронной сети. Я новичок, и это мой первый раз, когда я использую Pytorch, см. Код ниже и ошибку ... < /p>
X_train_tensor = torch.from_numpy(np.asarray(X_train)).type(torch.FloatTensor).to(device)
y_train_tensor = torch.from_numpy(np.asarray(y_train)).type(torch.FloatTensor).unsqueeze(1).to(device)

X_valid_tensor = torch.from_numpy(np.asarray(X_valid)).type(torch.FloatTensor).to(device)
y_valid_tensor = torch.from_numpy(np.asarray(y_valid)).type(torch.FloatTensor).unsqueeze(1).to(device)

X_train_tensor.size()
< /code>
out: torch.size ([5438, 768]) < /p>
y_train_tensor.size()
< /code>
out: torch.size ([5438, 1]) < /p>
criterion = nn.BCELoss()
optimizer = optim.Adam(model.parameters(), lr=1e-3, weight_decay=5e-4)

def binary_acc(preds, y_valid):

y_valid_tag = torch.round(preds)

correct_results = (y_valid_tag == y_valid).float()
acc = correct_results.sum() / len(correct_results)

return acc

def train(model, *var):

epoch_loss = 0
epoch_acc = 0

model.train()

for x in range(X_train_tensor):

optimizer.zero_grad()

predictions = model(X_train_tensor)
loss = criterion(predictions, y_train_tensor)
acc = binary_acc(predictions, y_valid_tensor)

loss.backward()
optimizer.step()

epoch_loss += loss.item()
epoch_acc += acc.item()

return epoch_loss / len(X_train_tensor), epoch_acc / len(X_train_tensor)

def evaluate(model, *var):

epoch_acc = 0

model.eval()

with torch.no_grad():
for X in range(X_valid_tensor):
predictions = model(X_train_tensor)
acc = binary_acc(predictions, y_valid_tensor)

epoch_acc += acc.item()

return epoch_acc / len(X_valid_tensor)

loss=[]
acc=[]
val_acc=[]

for epoch in range(10):

train_loss, train_acc = train(model, X_train_tensor, y_train_tensor, y_valid_tensor)
valid_acc = evaluate(model, X_valid_tensor, y_valid_tensor)

print(f'\tTrain Loss: {train_loss:.3f} | Train Acc: {train_acc*100:.2f}%')
print(f'\t Val. Acc: {valid_acc*100:.2f}%')

loss.append(train_loss)
acc.append(train_acc)
val_acc.append(valid_acc)

Ошибка вывода: typeerror: только целочисленные тензоры одного элемента могут быть преобразованы в индекс
Пожалуйста, помогите мне исправить это
TypeError Traceback (most recent call last)
in
5 for epoch in range(10):
6
----> 7 train_loss, train_acc = train(model, X_train_tensor, y_train_tensor, y_valid_tensor)
8 valid_acc = evaluate(model, X_valid_tensor, y_valid_tensor)
9

in train(model, *var)
6 model.train()
7
----> 8 for x in range(X_train_tensor):
9
10 optimizer.zero_grad()

TypeError: only integer tensors of a single element can be converted to an index


Подробнее здесь: https://stackoverflow.com/questions/674 ... nverted-to