使用torch.utils.data.TensorDataset封装数据集报错：
assert all(tensors[0].size(0) == tensor.size(0) for tensor in tensors)
AttributeError: 'Tensor' object has no attribute 'size'
是因为使用TensorDataset对数据集进行封装的时候，数据和标签必须是pytorch支持的tensor形式，而我输入的形式是numpy.ndarray和list形式，将其转换成tensor形式后，问题解决。格式转换使用torch.from_numpy和torch.Tensor方法即可，代码如下：
#读取训练数据集
train_data,train_labels = get_data(True)
train_data = train_data.reshape((50000, 3, 32, 32))
train_data = torch.from_numpy(train_data)
#print(type(train_labels)) #<class 'numpy.ndarray'>
train_labels = torch.from_numpy(train_labels)
#print(type(train_labels)) #<class 'torch.Tensor'>
train_dataset = torch.utils.data.TensorDataset(train_data,train_labels) #把数据放在数据库中
train_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size = BATCH_SIZE, shuffle=True)
print('读取训练数据集合完成')
test_data,test_labels = get_data(False)
test_data = test_data.reshape((10000, 3, 32, 32))
test_data = torch.from_numpy(test_data)
#print(type(test_labels)) #<class 'list'>
test_labels = torch.Tensor(test_labels) #list转换成tensor只能用这个方法
#print(type(test_labels)) #<class 'torch.Tensor'>
test_dataset = torch.utils.data.TensorDataset(test_data,test_labels) #把数据放在数据库中
test_loader = torch.utils.data.DataLoader(dataset=test_dataset, batch_size = BATCH_SIZE, shuffle=True)
print('测试训练数据集合完成')
https://discuss.pytorch.org/t/assert-data-tensor-size-0-target-tensor-size-0-typeerror-int-object-is-not-callable/12850
https://stackoverflow.com/questions/53605586/answer/submit
使用torch.utils.data.TensorDataset封装数据集报错：assert all(tensors[0].size(0) == tensor.size(0) for tensor in tensors)AttributeError: 'Tensor' object has no attribute 'size'是因为使用TensorDataset对数据集进行封装的时候...
多线程爬虫出现报错
AttributeError
: ‘NoneType’
object
has no
attribute
‘xpath’一、前言二、问题三、思考和解决问题四、运行效果
mark一下，本技术小白的第一篇CSDN博客！
最近在捣鼓爬虫，看的是机械工业出版社的《从零开始学Python网络爬虫》。这书吧，一言难尽，优点是案例比较多，说的也还算清楚，但是槽点更多：1、较多低级笔误；2、基础知识一笔带过，简单得不能再简单，对Python基础不好的人不友好；3、代码分析部分，相同的代码反复啰嗦解释多次，而一些该解释的新代码却只字不提；4、这是最重要的一点，但也不全是本书的锅。就是书中
@【KERAS】报错
AttributeError
: ‘
Tensor
’
object
has no
attribute
‘_keras_shape’
【KERAS】
AttributeError
: ‘
Tensor
’
object
has no
attribute
‘_keras_shape’ ——解决方案
在用keras编写了Mish激活函数，构造BN_。
我们对Markdown编辑器进...
在执行代码时遇到了：的问题，代码如下：
而从字面上意思，就是int类型的对象没有参数，定位到代码：这里，也就是说node类型可能不是我们想要的node类型。这时候我通过调试发现，居然等于。
所以很明显，问题出在第一行代码：，而这看不错问题所在，因为enumerate正常遍历list类型，但是问题正好出在这，从刚才的调试结果发现其实是dict类型，而dict类型不能用来遍历，所以这就是问题所在，误用导致解析出的node是int类型的0，从而出现错误。解决方式也很简单，使用items()遍历：
报错
AttributeError
: '
Tensor
'
object
has no
attribute
'numpy'
解决：tf.enable_eager_execution()
拓展：获取
tensor
类型的变量值
方法一：在会话中print( sess.run(x) )
import
tensor
flow as tf
#定义
tensor
常量
x = tf.random_uniform(...
可以看到np.random.randint(1,10)的前两个参数是low和high，没有第三个参数
size
，所以返回值是一个int类型的数字。而line接受的参数是ndarray类型，所以会报错。应该np.random.randint(1,10，1)确保生成ndarray类型。
注：
tensor
类型也可以。还可以混用。
input1 = Input(shape(2,))
input2 = Input(shape(3,))
output = K.concatenate([input1,input2], axis=-1)
model = Model(inputs=[input1,input2]
保存图片时老出错，查阅很多资料之后终于改好了：
X = ( test_dataset[0] * 0.5 + 0.5 ) * 255 #归一化之后的图片数组，如果你的数组是正确的，就不需要归一化。
print(X)#输出x,观察自己的数组类型，我的是tf.
Tensor
类型，所以张量转换类型很重要
img = tf.cast(X, dtype=tf.uint8)# 这一步转换张量数据类型很重要
img = tf.image.encode_png(img)# 编码回图片
第一个是
Tensor
Flow的版本问题，要
Tensor
Flow1.14以上版本才有，所以就解决方案就是升级
Tensor
Flow到1.14以上版本
具体语句为pip install
tensor
flow==版本号
第二个原因，如果你升级了以后还是报错那么就添加以下语句tf.enable_eager_execution()
切换到eage
