TypeError: mm(): argument 'mat2' (position 1) must be Tensor, not NoneType

这个错误提示表示你的代码中的某个地方出现了一个 NoneType 的变量作为 Tensor 使用，导致类型错误。你需要检查一下你的代码，看看哪个变量应该是 Tensor，但是被赋值成了 None。

可能的原因包括：

1. 某个变量没有被正确初始化，导致它是 None。
2. 在某个操作中，你传递了一个 None 的变量，而该操作需要的是一个 Tensor。
3. 在某个函数中，你返回了 None 而不是 Tensor。

你需要逐步排查代码中的问题，并找到导致问题的具体位置，然后修改代码以正确地使用 Tensor 类型的变量。

相关问题

TypeError: super() argument 1 must be a type, not Maxpool

这个错误通常发生在Python的继承体系中，当你试图使用`super()`函数创建一个新的实例，但传递给它的第一个参数不是一个类型（即不是父类或其基类），而是实例本身（在这个例子中是`Maxpool`）。`super()`函数用于调用父类的方法，它期望的第一个参数是一个类，表示你要向上查找的对象的超类。

例如，在Python的类定义中，如果你有：

class Parent:
    def __init__(self):
        super().__init__()

class Maxpool(Parent):  # 错误的地方
    pass

maxpool_instance = Maxpool()

这里`maxpool_instance`是一个`Maxpool`实例而不是类，所以在`__init__`方法中调用`super().__init__()`会抛出TypeError。

修复这个问题，你应该确保`Maxpool`类的构造函数正确地调用了父类的构造函数，应该像这样：

class Maxpool(Parent):
    def __init__(self):
        super(Maxpool, self).__init__()  # 更正后的调用

或者去掉`super()`，如果`Parent`类没有明确需要初始化的行为：

class Maxpool(Parent):
    pass

TypeError: linear(): argument 'input' (position 1) must be Tensor, not list

这个错误通常是因为你在使用 PyTorch 的线性层时，将一个列表作为输入传递给了该层。线性层的输入应该是一个 PyTorch 张量（Tensor）而不是一个 Python 列表。

你可以检查一下你的代码，看看是否有将列表作为线性层输入的情况出现。如果有，你可以将列表转换成张量，例如：

import torch

# 假设 x 是一个列表
x = [1, 2, 3, 4]

# 将列表转换为张量
x_tensor = torch.tensor(x)

# 使用线性层
linear_layer = torch.nn.Linear(4, 2)
output = linear_layer(x_tensor)

这样就避免了 TypeError: linear(): argument 'input' (position 1) must be Tensor, not list 的错误。