关于运行torch.matmul（x，w）函数报错的问题 RuntimeError: expected scalar type Float but found Long

目录一、函数介绍二、常见用法2.1 两个一维向量的乘积运算2.2 两个二维矩阵的乘积运算2.3 一个一维向量和一个二维矩阵的乘积运算2.4 一个二维矩阵和一个一维向量的乘积运算2.5 其他 一、函数介绍 pytorch中两个张量的乘法可以分为两种： 两个张量对应元素相乘，在PyTorch中可以通过torch.mul函数（或*运算符）实现； 两个张量矩阵相乘，在PyTorch中可以通过torch.matmul函数实现； torch.matmul(input, other) → Tensor 计算两个张量i

这个错误通常出现在PyTorch中，当你试图将不兼容的数据类型用于某个操作时。错误信息 "RuntimeError: expected scalar type Long but found Float" 意味着你的代码期望一个长整型（Long）的标量，但是却找到了一个浮点型（Float）的标量。例如，如果你的目标（labels）是一个浮点型的张量，并且你正在使用。就会被转换为长整型，与。

常见报错

主要问题：矩阵乘法时类型不一致。

张量是深度学习框架中最基础也最易被误解的核心抽象——它既非纯数学对象，亦非简单数组，而是融合内存布局、计算调度与设备协同的工程实体。理解张量的shape、dtype和device三要素，是规避RuntimeError（如CUDA out of memory、scalar type mismatch）的前提；掌握其在CPU/GPU间迁移机制（pin_memory、to()、contiguous）、自动微分中的图构建逻辑（requires_grad、grad_fn），以及在DataLoader、模型forwar

PyTorch作为主流深度学习框架，其核心价值在于动态计算图机制与可调试性，而非单纯语法简洁。理解autograd引擎如何基于链式法则实现梯度累加与反向传播，是避免nan loss和训练崩溃的关键；掌握nn.Module的参数注册契约与状态管理逻辑，则直接决定模型保存、加载与设备迁移的可靠性。这些底层原理支撑着混合精度训练、分布式DDP通信、TorchScript导出等高阶工程实践。本文聚焦PyTorch真实工业场景中的典型问题——DataLoader内存陷阱、torch.compile实测瓶颈、多卡同步异

自注意力机制是Transformer模型的核心，但其O(n²)计算复杂度与显存占用成为大模型长文本推理的硬性瓶颈。理解注意力近似（Attention Approximation）的本质，需回归线性代数与硬件协同原理——通过分块计算、低秩分解、稀疏建模等路径，在数学可解释性与GPU计算亲和力之间取得平衡。这类技术不仅降低FLOPs，更关键的是实现单位显存下的任务指标增益，支撑8K+上下文生成、边缘端部署及高并发服务。本文聚焦FlashAttention与Linformer等主流方案在Hugging Face生

Vision Transformer（ViT）作为将Transformer架构引入视觉任务的基础模型，其核心在于图像分块（Patchify）、位置编码与多头注意力的协同建模。理解ViT不仅需掌握Self-Attention数学原理，更关键的是厘清张量形状演化、内存布局约束（如unfold维度顺序）及LayerNorm/Embedding等模块的工程实现细节。这些底层机制直接决定模型收敛性、训练稳定性与边缘部署可行性。本文以CIFAR-10为沙盒，聚焦PatchifyTransform、ImageEmbedd

RuntimeError: expected scalar type Long but found Float 这是一个非常常见的报错，我已经遇到过这个报错很多次了，但是之前没有仔细研究过，今天好好好看了看，终于找到了原因。首先把导致报错的代码写出啦： import torch import torch.nn as nn v = torch.tensor([0]) m = nn.Linear(1, 10) m(v) 短短的几行代码，就是初始化了一个值为0的v和一个网络m，爆出了一大堆错： Traceba

RuntimeError: expected scalar type Long but found Float，表明代码在某个地方需要一个Long类型的标量（即整数），但是提供的却是Float类型的数据。

总结：简单的BP网络出现报错。原因是y_train的类型不正确。更改适当的数据形式即可。

出现此问题的原因是数据类型不符合，现有博客的解决方案是将数据转化为Float， 将所有数据转化为float后依旧出现问题，原因是将label也转化成了float，但label的类型需要是long，不需要显式转化 ref： [FIXED] RuntimeError: expected scalar type Long but found Float ~ PythonFixing ​​​​​​常见报错：RuntimeError: expected scalar type Long but found F

是这样的，我被报错信息“欺骗”了！ 当我的代码运行到 torch.matmul(a, b) 时，报了个这样的错：RuntimeError: expected scalar type Long but found Float 这个报错的意思是说，希望的数据类型是Long，但是有参数的数据类型是Float. 于是我debug了，发现是Float的那个参数（里面有很多小数），如果强行变成Long的话，整个几乎都变成0矩阵了。 在Stack Overflow上类似问题的回答中，看到这样的回答：This is not

提示的错误是关于类型的问题，把列表变张量时，torch.long需要变torch.float类型。

本篇文章的服务对象是没有武力值也想和pytorch沾沾边的小白朋友们，主要的内容是对于经典代码的逐行解读，解读内容以注释的形式展示。

最近在完成机器学习的期末论文时，使用PyTorch搭建模型，爆出以下错误 原因： PyTorch中所期待的数据类型，和输入数据类型不一致问题 解决： 改变数据集的输入类型

torch中运行过程中的常见的错误信息的分析与解决方案，希望可以帮到大家。

CUDA语义 - PyTorch中文文档https://pytorch-cn.readthedocs.io/zh/latest/notes/cuda/ 这个网站封面长这样，上面就是“花书”的网页版，里面有pytorch、tensorflow等三种流行框架的实现代码，比较适合入门（我也是刚入门，菜鸟写博客，有错欢迎指正，一起学习共同进步） 推荐：pytorch中文文档 主页 - PyTorch中文文档Nonehttps://pytorch-cn.readthedocs.io/zh/latest/朋.

线性回归