报错一：

    1. ValueError: num_samples should be a positive integer value, but got num_samples=0

    可能的原因：传入的Dataset中的 len(self.data_info)==0 ，即传入该 dataloader 的 dataset 里没有数据
    解决方法：

    1. 检查dataset中的路径，路径不对，读取不到数据。
    2. 检查Dataset的len()函数为何输出为零

    报错二：

    TypeError: pic should be PIL Image or ndarray. Got <class 'torch.Tensor'>

    可能的原因：当前操作需要PIL Image或ndarray数据类型，但传入了Tensor
    解决方法：

    1. 检查transform中是否存在两次ToTensor()方法
    2. 检查transform中每一个操作的数据类型变化

    报错三：

    RuntimeError: invalid argument 0: Sizes of tensors must match except in dimension 0. Got 93 and 89 in dimension 1 at /Users/soumith/code/builder/wheel/pytorch-src/aten/src/TH/generic/THTensorMath.cpp:3616

    可能的原因：

    • dataloader 的 __getitem__ 函数中，返回的图片形状不一致，导致无法stack

    解决方法：

    • 检查 `_getitem`_ 函数中的操作

    报错四：

    conv:  RuntimeError: Given groups=1, weight of size 6 1 5 5, expected input[16, 3, 32, 32] to have 1 channels, but got 3 channels instead
linear: RuntimeError: size mismatch, m1: [16 x 576], m2: [400 x 120] at ../aten/src/TH/generic/THTensorMath.cpp:752

    可能的原因：

    • 网络层输入数据与网络的参数不匹配

    解决方法：

    1. 检查对应网络层前后定义是否有误
    2. 检查输入数据shape

    报错五：

    AttributeError: 'DataParallel' object has no attribute 'linear'

    可能的原因：

    • 并行运算时，模型被dataparallel包装，所有module都增加一个属性 module. 因此需要通过 net.module.linear调用

    解决方法：

    1. 网络层前加入module.

    报错六:

    RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.

    可能的原因：

    • gpu训练的模型保存后，在无gpu设备上无法直接加载

    解决方法：

    1. 需要设置map_location=”cpu”

    报错七：

    AttributeError: Can't get attribute 'FooNet2' on <module 'main' from '

    可能的原因：

    • 保存的网络模型在当前python脚本中没有定义

    解决方法：

    1. 提前定义该类

    报错八：

    RuntimeError: Assertion `cur_target >= 0 && cur_target < n_classes' failed.  at ../aten/src/THNN/generic/ClassNLLCriterion.c:94

    可能的原因：

    • 标签数大于等于类别数量，即不满足 cur_target < n_classes，通常是因为标签从1开始而不是从0开始

    解决方法：

    • 修改label，从0开始，例如：10分类的标签取值应该是0-9

    报错九：

    RuntimeError: expected device cuda:0 and dtype Long but got device cpu and dtype Long
Expected object of backend CPU but got backend CUDA for argument #2 'weight'

    可能的原因：

    • 需计算的两个数据不在同一个设备上

    解决方法：

    • 采用to函数将数据迁移到同一个设备上

    报错十：

    RuntimeError: DataLoader worker (pid 27) is killed by signal: Killed. Details are lost due to multiprocessing. Rerunning with num_workers=0 may give better error trace.

    可能原因：

    • 内存不够（不是gpu显存，是内存）

    解决方法：

    • 申请更大内存

    报错十一：

    RuntimeError: reduce failed to synchronize: device-side assert triggered

    可能的原因：

    • 采用BCE损失函数的时候，input必须是0-1之间，由于模型最后没有加sigmoid激活函数，导致的。

    解决方法：

    • 让模型输出的值域在[0, 1]

    报错十二：

    RuntimeError: unexpected EOF. The file might be corrupted.

    torch.load加载模型过程报错，因为模型传输过程中有问题，重新传一遍模型即可

    报错十三：

    UnicodeDecodeError: 'utf-8' codec can't decode byte 0xff in position 1: invalid start byte

    可能的原因：

    • python2保存，python3加载，会报错

    解决方法：
    把encoding改为
    encoding=’iso-8859-1’
    check_p = torch.load(path, map_location=”cpu”, encoding=’iso-8859-1’)

    报错十四：

    RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.FloatTensor) should be the same

    问题原因：

    • 数据张量已经转换到GPU上，但模型参数还在cpu上，造成计算不匹配问题。

    解决方法：

    • 通过添加model.cuda()将模型转移到GPU上以解决这个问题。或者通过添加model.to(cuda)解决问题

    报错十五：

    RuntimeError: cuDNN error: CUDNN_STATUS_INTERNAL_ERROR

    问题原因：

    • jupyter notebook中调用了cuda，但没有释放

    解决方法：

    • 把对应的ipynb文件shutdown就可以了