pytorch 出现forward() missing 1 required positional argument: 'input’的可能原因

----> 6 out = model(img_feature, assistant_feature)
~/.local/lib/python3.7/site-packages/torch/nn/modules/module.py in __call__(self, *input, **kwargs)
    491             result = self._slow_forward(*input, **kwargs)
    492         else:
--> 493             result = self.forward(*input, **kwargs)
    494         for hook in self._forward_hooks.values():
    495             hook_result = hook(self, input, result)
实际可能是简单的少写了return 
                    pytorch 出现forward() missing 1 required positional argument: 'input’的可能原因问题溯源----&gt; 6 out = model(img_feature, assistant_feature)~/.local/lib/python3.7/site-packages/torch/nn/modules/module.py in...
class CAB(nn.Module):
  def __init__(self, in_channels, out_channels):
    super(CAB, self).__init__()
    self.global_pooling = nn.AdaptiveAvgPool2d(output_size=1)
    self.conv1 = nn.Conv2d(in_channels, out_channels, kernel_size=1, stride=1, padding=0)
    self.relu = 
				Stack Overflow[1]中有这个问题的描述，自己写了一个dice loss，没法反向传播，报这个错。
原因应该是因为用了torch.argmax()，好像这个函数不可导，所以没法反向传播。但是
1 关键点在于：AttributeError: ‘Tensor’ object has no attribute 'ndim’
Traceback (most recent call last):
  File "run.py", line 79, in <module>
    for j,(HR,LR) in enumerate(model(ref_im,**kwargs)):
  File "/home/-/-/p
				1D，2D和3D正弦波位置编码喷灯
这是1D，2D和3D正弦位置编码的实现，能够在(batchsize, x, ch) ， (batchsize, x, y, ch)和(batchsize, x, y, z, ch) ，其中位置编码将添加到ch维度。 仅一维的位置编码就，但是，这可以将其扩展到2维和3维。
 新：这也适用于以下形式的张量(batchsize, ch, x)等。对于这种类型的输入，包括单词Permute在类数目之前; 例如，对于大小为(batchsize, ch, x)一维输入，请执行PositionalEncodingPermute1D而不是PositionalEncoding1D 。
 要安装，只需运行：
 pip install positional-encodings
具体地说，用于插入位置编码的公式如下：
 PE(x,2i) = sin(x/10000^(
3.问题定位：
     先看报错代码：大概意思是， 传给优化器的learning_rate参数错误。
模型训练是在服务器Linux环境下进行的，之后在本地Windows（另一环境）继续跑代码，所以初步怀疑是keras版本不一致导致的。
 Linux下keras版本为:
本地版本：
再结合大佬博客 解
from lasso . linear import dict_learning , sparse_encode
# dummy data matrix
data = torch . randn ( 100 , 10 )
# Dictionary Learning
dictionary , losses = dict_learning ( data , n_components = 50 , alpha = 0.5 , algorithm = 'ista' )
# Sparse Coding (lasso solve)
coeffs = sparse_encode ( data , di
刚开始在借鉴别人方法的时候没有敲@classmethod这个修饰符，一直从外部找解决方法，重新装python还有库都没有用，最后加上修饰符就跑通了。百度到了这个修饰符的作用：
1、@classmethod声明一个类方法，而对于平常我们见到的则叫做实例方法。
				这个错误提示是在使用PyTorch的神经网络模型时出现的。它说明在调用 forward() 函数时，缺少了一个必需的位置参数 "x"。 
forward() 函数是用来定义神经网络的前向传递过程的，它需要至少一个输入数据张量，也就是参数 "x"。如果调用 forward() 函数时没有提供参数 "x"，就会出现这个错误。
解决方法是在调用 forward() 函数时，为参数 "x" 传入正确的输入数据张量，确保它与神经网络的输入层匹配。