TypeError: linear(): argument 'input' (position 1) must be Tensor, not str
在使用hugging fice加载预训练bert的时候，出现这个问题，原来是这样写的：
 
self.bert = BertModel.from_pretrained(pretrained_model_path, output_hidden_states=True, output_attentions=True, return_dict=True)
将 return_dict 设置为 False 即可
 
self.bert = BertModel.from_pretrained(pretrained_model_path, output_hidden_states=True, output_attentions=True, return_dict=False)
参考：https://blog.csdn.net/qsx123432/article/details/123984811
                                    TypeError: ‘required’ is an invalid argument for positionals 的解决方法
当我在使用argparse模块时，遇到了如下错误：
import argparse
parser = argparse.ArgumentParser(description = 'debug_example')
parser.add_argument ('--data_root', default = 'data/path', type = str, required=False, help = 'the dataset path')
parser.add_ar
                                    TypeError: linear(): argument 'input' (position 1) must be Tensor, not numpy.ndarray
　　在文件读写及字符操作时，我们经常会出现下面这几种错误：
  　　TypeError: write() argument must be str, not bytes
  　　AttributeError: ‘URLError’ object has no attribute ‘code’
  　　UnicodeEncodeError: ‘gbk’ codec can’t encode character ‘\xa0’ inposition 5747: illegal multibyte sequence
　　这些错误一看就是编码问题， 本篇博文总结一下Python3文件读写及字
使用参数图鼓励批判性思维。
Callido的一个很酷的工具，可以简化您的研究难题。
通过此扩展，您可以在浏览网络时构建参数图-只需从多个来源获取文本并将其添加到您的研究中，浏览器就会自动获取访问的来源和日期。
为避免陷入无关信息的困扰，请使用Argument Mapper轻松进行研究并撰写合理的论文。
                                    问题描述：AODNet在计算ssim时，需要从test_loader中将测试集清晰的图像和去雾后的图像输入给ssim方法进行计算，从test_loader中加载图像对的原始代码如下：
	for (img_orig, img_dehaze) in enumerate(test_loader):
		ssim_test = ssim(img_orig, img_dehaze)
Traceback (most recent call last):
  File "/home/PycharmPro
data_ = data.cpu().data.numpy()
https://blog.csdn.net/qq_41368074/article/details/105560274
                                    在使用pytorch中的torchvision.models.segmentation.fcn_resnet50进行获得已经训练好的预训练模型时，所得结果的输出给我提示说collections.OrderedDict' object has no attribute 'shape'。直译过来就是collections.OrderedDict对象没有shape这一属性，给我整的一脸蒙逼，直接调用的网络输出为什么不是tensor而是一个有序数组呢。
在国内找了好久没找到解决答案，于是就去谷歌上搜了一下找到了解决
                                    https://blog.csdn.net/qq_41368074/article/details/105560274?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase
 pip install typed-argument-parser
要从源代码安装Tap，请运行以下命令： 
 git clone https://github.com/swansonk14/typed-argument-parser.git
cd typed-argument-parser
pip install -e .
帮助字符串
configure灵活性
使用process_args处理参数
处理已知的参数
重现性再现性信息
保存和加载参数
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