如何解决"NotImplementedError"

Question

我定义了一个三层卷积层(self.convs)，输入张量的形状为([100,10,24])

x_convs = self.convs(Variable(torch.from_numpy(X).type(torch.FloatTensor)))

>>Variable(torch.from_numpy(X).type(torch.FloatTensor)).shape

torch.Size([100, 10, 24])

>>self.convs

ModuleList(
  (0): ConvBlock(
    (conv): Conv1d(24, 8, kernel_size=(5,), stride=(1,), padding=(2,))
    (relu): ReLU()
    (maxpool): AdaptiveMaxPool1d(output_size=10)
    (zp): ConstantPad1d(padding=(1, 0), value=0)
  )
  (1): ConvBlock(
    (conv): Conv1d(8, 8, kernel_size=(5,), stride=(1,), padding=(2,))
    (relu): ReLU()
    (maxpool): AdaptiveMaxPool1d(output_size=10)
    (zp): ConstantPad1d(padding=(1, 0), value=0)
  )
  (2): ConvBlock(
    (conv): Conv1d(8, 8, kernel_size=(5,), stride=(1,), padding=(2,))
    (relu): ReLU()
    (maxpool): AdaptiveMaxPool1d(output_size=10)
    (zp): ConstantPad1d(padding=(1, 0), value=0)
  )
)

当我执行 x_convs = self.convs(Variable(torch.from_numpy(X).type(torch.FloatTensor))) 时，它给我错误

    `94             registered hooks while the latter silently ignores them.

     95         """

---> 96         raise NotImplementedError`

ConvBlock定义如下

class ConvBlock(nn.Module):
    def __init__(self, T, in_channels, out_channels, filter_size):
        super(ConvBlock, self).__init__()
        padding = self._calc_padding(T, filter_size)
        self.conv=nn.Conv1d(in_channels, out_channels, filter_size, padding=padding)
        self.relu=nn.ReLU()
        self.maxpool=nn.AdaptiveMaxPool1d(T)       
        self.zp=nn.ConstantPad1d((1, 0), 0)        
        
    def _calc_padding(self, Lin, kernel_size, stride=1, dilation=1):
        p = int(((Lin-1)*stride + 1 + dilation*(kernel_size - 1) - Lin)/2)    
        return p                                                              
    
    def forward(self, x):
        x = x.permute(0,2,1)    
        x = self.conv(x)        
        x = self.relu(x)
        x = self.maxpool(x)     
        x = x.permute(0,2,1)    
        return x

“forward”函数有正确的缩进，所以我无法弄清楚发生了什么。

Answer 1

如果你想让这3层顺序执行，你应该使用nn.Sequential而不是nn.ModuleList。 nn.ModuleList 没有实现 forward() 方法，但是 nn.Sequential 实现了。

如果你想在 forward() 方法中有一些特殊的行为，你可以子类化 nn.ModuleList 并覆盖它的 forward().

Answer 2

您正在尝试调用一个 ModuleList，它是一个 list（即 Python 中的列表对象），为了与 PyTorch 一起使用稍作修改。

快速解决方法是将 self.convs 调用为：

x_convs = self.convs[0](Variable(torch.from_numpy(X).type(torch.FloatTensor)))

if len(self.convs) > 1:
    for conv in self.convs[1:]:
        x_convs = conv(x_convs)

也就是说，self.convs虽然是一个list，但是它的每个成员都是一个Module。您可以使用其索引直接调用 self.convs 的每个成员，例如``self.convsan_index`.

或者，您可以借助 functools 模块：

from functools import reduce

def apply_layer(layer_input, layer): 
    return layer(layer_input)

output_of_self_convs = reduce(apply_layer, self.convs, Variable(torch.from_numpy(X).type(torch.FloatTensor)))

P.S。不过，Variable 关键字已不再使用。

如何解决"NotImplementedError"

How to solve "NotImplementedError"

python

pytorch

convolution