前向传播代码中，加入：

def forward(self, x)
	x = x.view(len(x), 1, -1) # 把原有2维度[a,b]改为3维[a,1,b]
	# ......后续的代码
比如我定义的LSTM：
 
class LSTM(nn.Module):
    def __init__(self, input_size=5, hidden_layer_size=100, output_size=1):
		# ....初始化
    def forward(self, input_x): # input_x.size() 为 [20个数据,5个维度]
        lstm_out, self.hidden_cell = self.lstm(input_x, self.hidden_cell)
        predictions = self.linear(lstm_out.view(len(input_x), -1))
        return predictions[-1]
就会报错，改为如下即正确：
 
class LSTM(nn.Module):
    def __init__(self, input_size=5, hidden_layer_size=100, output_size=1):
		# ....初始化
    def forward(self, input_x): # input_x.size() 为 [20个数据,5个维度]
        input_x = input_x.view(len(input_x), 1, -1) # 维度变为 [20,1,5]
        lstm_out, self.hidden_cell = self.lstm(input_x, self.hidden_cell)
        predictions = self.linear(lstm_out.view(len(input_x), -1))
        return predictions[-1]
                    完整报错为：RuntimeError: input must have 3 dimensions, got 2解决方法前向传播代码中，加入：def forward(self, x)	x = x.view(len(input_x), 1, -1) # 把原有2维度[a,b]改为3维[a,1,b]	# ......后续的代码问题解析比如我定义的LSTM：class LSTM(nn.Module):    def __init__(self, input_size=5, hidden_laye
				
最近使用LSTM模型，发现卡在输入数据这里，按普通神经网络的二维数据输入行不通，报错 expected lstm_input to have 3 dimensions，查了资料后解决。
原因是LSTM层是循环层，需要3维输入(batch_size, timesteps, input_dim)，即(训练数据量，时间步长，特征量)。因此不能直接把 [数据量*特征量]的二维矩阵输入，要用reshape进...
				
RuntimeError:input must have 3 dimensions, got 4在pytorch环境下使用RNN对CIFAR10数据集进行分析时出现了这个报错解决方法
在pytorch环境下使用RNN对CIFAR10数据集进行分析时出现了这个报错
描述是需要输入一个3维的向量，但是这里提供了一个4维的
解决方法
使用inputs = inputs.view(-1,32,32*3)，...
LSTM，长短期记忆 RNN，是 RNN 的变体，优点在于能学习长期依赖的信息，相当于有记忆功能。
LSTM 的关键就是 细胞状态（cell state），水平线在图上方贯穿运行。细胞状态类似于传送带，直接在整个链上运行，只有一些少量的线性交互。信息在上面流传比较容易保持不变。
LSTM 有通过精心设计的称作为“门“的结构来 去除或者增加信息到细胞状态的能力。门是一种让信息选择式通过的方法。他们包含一个 sigmoid 神经网络层和一个按位的乘法操作。sigmoid 层输出 0 到 1 之间的
				
最近在学神经网络编程，跑程序时遇到了一些基础错误：
TabError: inconsistent use of tabs and spaces in indentation
一般是tab键和空格键使用不统一，要将程序前面的缩进统一改为tab或者相同数量的空格
RuntimeError: input must have 3 dimensions, got 5
这里涉及到维度的问题，因为我训练的神经网...
				
跑模型时出现RuntimeError: CUDA out of memory.错误 查阅了许多相关内容，原因是：GPU显存内存不够
简单总结一下解决方法：
将batch_size改小。
取torch变量标量值时使用item()属性。
可以在测试阶段添加如下代码：
		with torch.no_grad():  # 停止自动反向计算梯度
https://wisdomai.xyz/tool/pytorch/archives/2301
https://ptorch.com/news/160.html
作者：菜叶儿掉啦
				
今天谈一下关于python中input的一些基本用法（写给新手入门之用，故只谈比较实用的部分）。
首先，我们可以看一下官方文档给我们的解释（在python的shell中输入命令即可）：
上面的英文说的是什么呢？大家有兴趣的可以自己在网上翻译一下，大致说的就是input这个函数，第一个参数是提示语，它默认是空的。在我们使用input的时候，会从标准输入中读取一个string，即字符串（请注意，这里很重要，下面我们会继续说），对于用户输入的换行是不会读入的，因为我们都知道input是以换行作为输入结束的标志的。
下面就以例子的形式来展示input的“内涵”：
（1）从下图可以看出，input从
					
pytorch调用LabelSmoothingCrossEntropy() 损失函数报错RuntimeError: Index tensor must have the same number of dimensions as input tensor
				
这个错误通常是由于label的维度不匹配导致的。LabelSmoothingCrossEntropy()函数需要的label是一个一维的longtensor，而且它的每个元素必须是一个类别的序号（从0开始）。
你可以检查一下你的label是否满足这个要求。如果不满足，你需要将label转换为一维的longtensor，并且每个元素都是一个类别的序号。你可以使用torch.argmax()函数将one-hot编码的标签转换为类别序号。
另外，你还需要检查一下输入数据的维度是否正确。LabelSmoothingCrossEntropy()函数需要的输入是一个二维的tensor，第一维是batch size，第二维是类别数。如果输入数据的维度不是这样的话，你需要将它们reshape成这样的维度。
                解决HuggingFace加载预训练模型时报错TypeError: expected str, bytes or os.PathLike object, not NoneType
                    weixin_42248644: 
                    说了和没说一样
                pandas 修改数据类型（dtype/dtypes）
                    UncoDong: 
                    图中对应关系第一个对应就错了，python类型的str也对应pandas dtype的str，转换的时候就用.astype(str)
                neo4j 4.x新建数据库，并解决报错Unsupported administration command: CREATE DATABASE
                    [$ÿĀ]清华落榜生[$ÿĀ]: 
                    显示离线怎么解决
                解决新安装的Ubuntu18.04没有网络连接的问题
                    一只小乌龟呐: 
                    有用，找了半天，快气死了