ONNX: export failure: expected scalar type Long but found Float

ONNX是一种用于表示机器学习模型的开放式格式。在导出模型时，有时会出现错误，例如“export failure: expected scalar type Long but found Float”。这个错误提示是关于类型的问题，通常是因为在将列表转换为张量时，需要将torch.long类型转换为torch.float类型。解决方案是将列表中的数据类型转换为float类型，或者在转换为张量时指定数据类型为float类型。

相关问题

报错：expected scalar type Long but found Float

这个报错通常是由于代码中使用了需要 Long 类型输入的函数，但是输入的却是 Float 类型的数据。解决方法是将输入的数据类型转换为 Long 类型，可以使用 `long()` 函数进行转换。例如：

# 原始代码
import torch

x = torch.randn(2, 3)
y = torch.randn(2, 3)
z = torch.dot(x, y)  # 报错：expected scalar type Long but found Float

# 修改后的代码
import torch

x = torch.randn(2, 3)
y = torch.randn(2, 3)
z = torch.dot(x.long(), y.long())  # 将输入数据类型转换为 Long 类型

RuntimeError: expected scalar type Long but found Float

这个错误通常是由于您在使用PyTorch时，将数据类型错误地传递给了某个函数，导致期望的数据类型与实际传递的数据类型不匹配。建议尝试以下方法解决问题：

1. 检查数据类型是否正确。请确保在将数据传递给PyTorch函数之前，将其转换为正确的数据类型。例如，如果函数期望Long类型的数据，而您传递了Float类型的数据，就会出现此错误。

2. 检查您是否正确地使用了PyTorch函数。有些函数可能期望不同的数据类型或张量形状。请查看函数文档以确保您正确地使用了函数。

3. 尝试使用dtype参数来指定数据类型。例如，如果您需要将Float类型的数据转换为Long类型，请使用以下代码：`data = data.to(torch.long)`。

4. 如果您在自定义模型或损失函数中使用了PyTorch，请确保正确地指定所有数据类型。

如果以上方法都无法解决问题，可以尝试在PyTorch论坛或GitHub上提交问题报告，以获取更多帮助。