1、RutimeError: Expected object of scalar type Float but got scalar type Double for argument #2 'mat1'

当出现以上问题时候，是格式错误：

错误语句：

model_train_x = torch.tensor(model_train_x.values) 

该语句中，tensor的默认类型是Float64,需要修改类型成为float32才可以

网上大多数的修改意见是：

1、model_train_x = torch.from_numpy(model_train_x.astype(np.float32)) 
2、model_train_x = torch.from_numpy(model_train_x.values) 

我试了一下不是很可行，依然在报错，我采用如下的操作进行处理之后，操作成功：

model_train_x = torch.tensor(model_train_x.values,dtype=torch.float32)

2、pytorch的形状更改：

我们在改变torch的类型的时候，通常需要进行reshape：

正确的改该方式为：

moodel_train_x = torch.reshape(model_train_x,(1,192,25))
其中model_train_x为处理好的tensor数据，（a,b,c）为更改的形状

3、ValueError: expected sequence of length 72 at dim 1 (got 167)

这个问题出现在对tensor的转换中

tensor的转换要求内部的数组维度相同：例如

model_train_x = [[1],[2,3],[3,4,5,6,6]]
model_train_y = torch.tensor(model_train_y,dtype=torch.float32)

是不可行的，，需要调整数据子集的长度。

4、Cannot convert a symbolic Tensor (lstm/strided_slice:0) to a numpy array.

转换的问题，解决方案之一就是看看numpy版本是否合适

pip install -U numpy==1.19.2

安装新版本的numpy

5、ValueError: ('Lengths must match to compare', (20631,), (4,))

我产生问题的行数：

##错误代码
engno = [1,2,3,4]
for numb in engno:
    eng_df = train_df[train_df['id']==engno]

错误在于将数组进行了赋值

改正后可以运行的，该问题就是将数组赋值给了单个值

##错误代码
engno = [1,2,3,4]
for numb in engno:
    eng_df = train_df[train_df['id']==numb]

6、keras-tcn:ModuleNotFoundError: No module named 'tcn' ////No module named 'TCN' 

在你安装好keras-tcn包的时候，如果发现，使用

import tcn
from tcn import *

是不出问题的 ，但是在引入TCN等包的时候发现了问题。

解决方法一：

复制tcn包到anaconda的目录下。注意，这里是安装后产生的tcn的包，并非keras-tcn包

解决方法 二：

使用以下命令：

import sys
sys.path.append("tcn文件所在的位置")

解决方法三：

如果以上两种方法都不好用。试着查看一下，看看上一级乃至上上级别文件夹的命名是否与tcn冲突

7、pycharm在安装成功后发现在setting中搜索不到自己安装好的包

将conda的那个图标点灭，让pycharm去仓库中搜索

8、Unknown layer: TCN

在load_model时候，处理自定义函数，需要在函数中添加说明

解决方法就是在custom_objects中添加如下说明

"TCN":TCN

添加过后成为如下 

load_model("../final_get/tcn_final/" + filename + ".h5",custom_objects={"rmse": rmse, "k_score": k_score,"TCN":TCN})

9、Fatal Python error: init_sys_streams: can't initialize sys standard streams

这个问题，最坑人，一定要注意不要在项目中设置名字为abc.py的文件，否则就会报这个错误。该错误就是，在io.py调用了abc.py过程中，指向不明确导致该类问题。

10、save_model()` using h5 format requires h5py. Could not import h5py.

该错误主要出现在调用了h5py的问题中出现了包的找不到

该错误分为两种，一种是再找包时候，setting不成功，还有一种是setting成功但是，依然导入不进去

解决该问题的方法目前有如下几种：

1、可能是h5py包的缺失，进行手动安装h5py的包

pip install h5py

或者卸载重新安装h5py包(此处的卸载重新安装不可以处于项目下，应该置于系统环境下)

pip uninstall h5py
pip install h5py

2、h5py包的版本和keras的版本不兼容的，进行包的升级，包向下兼容

pip install --upgrade h5py

3、上述解决办法都失效，则进行手动下载和安装，安装到项目所在的annocade的环境的site下。

4、写在最后的一种办法，如果上述方法都不可行，则考虑是否是因为电脑未更新过来的原因；我自己在搭建环境过程中曾经出现过这种问题，在发生问题后，将所有的方法都进行了使用，还是不行。最后关机跑路。在第二天没有更新环境下，实验跑通了。因此，也有电脑配置没有反应过来的原因并不是由于外界因素导致的。（玄学方法,但是亲测好用）

11、Exception encountered when calling layer "max_pooling2d" (type MaxPooling2D).

该问题是出现在使用2维池化过程中。在二维池化过程中，如果处理的池化块时候，如果计数是奇数则会出现问题。出现问题的代码如下：

pool1 = MaxPooling2D(pool_size=(2,2))(bn2)

修改该处代码如下：

pool1 = MaxPooling2D(pool_size=(2,2),padding="same")(bn2)

keras中的padding是分为两种

padding='valid'（默认）
    和
padding="same"

padding-same是将卷积损失的维度使用0补充回来。

12、invalid literal for int() with base10:'0.9912297987616655'

出现问题的代码段为：

 a[i] = int(a[i])

其中a为序列数组，其中每个值为'0.99122x',这是float类型，不能连续跨转类型。

处理方法是：强制转换类型使用float

a[i] = float(a[i])

13、NotebookApp.iopub_data_rate_limit=1000000.0 (bytes/sec)

这个问题是出现在jupyter笔记本的计算速度，解决方法是调整jupyter_notebook_config.py

解决方法：

首先找到Anoconda Prompt---->位置和Anoconda处于相同位置

然后输入：

jupyter notebook --generate-config

生成一个jupyter_notebook_config.py的地址

默认是1000000，我们把注释去掉添加一些0 

最后，重新启动一下就可以了。

14、'History' object has no attribute 'predict'

问题出现的情况：当我们搭建的模型是如下结构的时候，会出现这样的情况。

model = keras.models.Sequential([
        keras.layers.Dense(hidden1, activation='relu')
])

early_stopping = keras.callbacks.EarlyStopping(patience=5)

model.compile(optimizer='adam', loss='rmse')
auto =model.fit(train_all,train_label,validation_split=0.2)

label_df =auto.predict(test_all)

对搭建后训练好的模型直接进行predict时，会出现上方的参数缺少的情况。

此时对模型设置监测点，将最优的模型保存到整体模型中

model_checkpoint = keras.callbacks.ModelCheckpoint(
    filepath="../filename.h5", save_best_only=True, verbose=1
)

然后通过keras中的load_model进行调用

keras.models.load_model("../filename")

15、WARNING:tensorflow:Early stopping conditioned on metric `val_loss` which is not available. Available metrics are: loss

在训练过程中出现这个情况，这是由于在训练过程中，没有对验证集进行明确的划分，此时需要对验证集在keras中进行给出。

#开始版本
auto = AutoEncoder.fit(x,y, epochs=1)

#更改版本
auto = AutoEncoder.fit(x,y, epochs=1,validation_split=0.2)