报错解决Python Error fix-TypeError: _mean() got an unexpected keyword argument ‘dim‘

TypeError: _mean() got an unexpected keyword argument 'dim’报错解决【numpy中用axis和pytorch中用dim，因为一个是numpy变量一个是tensor变量】

报错如下：
TypeError: _mean() got an unexpected keyword argument 'dim'

报错原因： numpy中用axis和pytorch中用dim，因为一个是numpy变量一个是tensor变量

发生错误的过程如下：
刚开始，我的代码是这样的：

此处省略若干行
input_var = torch.autograd.Variable(data.view(-1, length, data.size(2), data.size(3)),volatile=True)
rst = net(input_var).data
return i, rst.reshape((num_crop, int(args.test_segments/args.models_segments), num_class)).mean(axis=0).reshape((int(args.test_segments/args.models_segments), 1, num_class)), label[0]

这时候运行是没有问题的，因为用torch.autograd.Variable接口封装成Variable类型数据并作为模型的输入。net(input_var)得到的结果是Variable，这时候rst是tensor变量，可以用dim参数。

但是因为我要读取Tensor内容，需读取data变量，所以代码改成了：

此处省略若干行
input_var = torch.autograd.Variable(data.view(-1, length, data.size(2), data.size(3)),volatile=True)
rst = net(input_var).data
return i, rst.reshape((num_crop, int(args.test_segments/args.models_segments), num_class)).mean(axis=0).reshape((int(args.test_segments/args.models_segments), 1, num_class)), label[0]

其中，cpu()表示存储到cpu，numpy()表示Tensor转为numpy array，copy()表示拷贝
然后就

转成了numpy变量之后，就得用axis了

解决办法： dim改成axis

附：numpy中的axis和Pytorch中的dim参数

Numpy中有许多函数都带有一个参数：axis（对应于pytorch中的dim参数），用来指定函数计算是在哪个维度上进行的。这些函数包括：mean() 、sum()等。 这里说一下axis（dim）的用法：

简单的记忆方式：
1、二维：
axis=0表示分别对每一列做运算；
axis=1表示分别对每一行做运算。
2、高维：
假设输入的形状是(m, n, k):
-如果指定axis(dim)=0, 输出的size就是(1, n, k)或者(n, k)
-如果指定axis(dim)=1, 输出的size就是(m, 1, k)或者(m, k)
-如果指定axis(dim)=2, 输出的size就是(m, n, 1)或者(m, n).
size中是否有“1”，取决于参数keepdims(或keepdim)。keepdims=True会保留维度1，通常默认是等于False。

注意：以上只是经验总结，对于绝大部分函数适用，少数函数如cumsum（累加）不符合。

此外，对于二维数组（矩阵），可以用一句话记住：axis=0表示分别对每一列做运算；如果axis=1表示分别对每一行做运算。这个tip对几乎所有场景适用（包括cumsum函数等）。

本文地址：https://blog.csdn.net/qq_34243930/article/details/107140301