1、RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should be the same

这个错误是因为模型的权重是在GPU上，但是输入数据在CPU上。在PyTorch中，Tensor的类型和所在的设备（CPU或GPU）需要匹配，否则会引发这个错误。

input_data = input_data.to(device)  # 将输入数据移动到与模型相同的设备上
output = model(input_data)

2、ValueError:only one element tensors can be converted to Python scalars

要转换的list里面的元素包含多维的tensor list，tensor，array之间的转换很复杂，list是python自带的数据结构，Tensor是pytorch深度学习框架带的数据格式，array则是numpy带的数据格式，三种之间不可以直接使用，需要转换后才可以使用。

一般情况下的 list 转 tensor ：

tensor=torch.tensor(list)

但是要转换的list里面的元素包含多维的tensor，应该使用

val= torch.tensor([item.cpu().detach().numpy() for item in val]).cuda()

首先，这个数据是list，但是不知道这个list包含了几个维度的tensor，所以需要（for in）结构遍历

然后， gpu上的 tensor 不能直接转为numpy； 须要先在 cpu 上完成操做，再回到 gpu 上。

3 更新中