利用Pytorch框架自己构建网络结构，在程序运行到“loss.backward()”的时候报错：
 

RuntimeError: expected dtype Double but got dtype Float (validate_dtype at ..\aten\src\ATen\native\TensorIterator.cpp:143)
(no backtrace available)

通过查询资料得知，该错误来自于输入数据的类型和模型参数类型不一致。因此最好在程序开始统一数据类型。

Pytorch里的tensor创建时默认是Torch.FloatTensor类型（torch.float32),

可通过在import语句后增加语句

torch.set_default_tensor_type(torch.DoubleTensor)

这样之后创建的变量类型都是Double类型(torch.float64)。

但是在import后增加语句

torch.set_default_tensor_type(torch.FloatTensor)

后，在执行卷积操作时会报错：
 

RuntimeError: Expected object of scalar type Double but got scalar type Float for argument #3 'mat1' in call to _th_addmm_

这是因为numpy的默认数据类型为float64，我是根据torch.from_numpy创建的tensor，如代码是b = torch.from_numpy(a），a和返回的b共享一块内存，因此b的类型也是torch.float64,即double类型。

因此如果想要项目中参数类型都为Float类型，不仅要加

torch.set_default_tensor_type(torch.FloatTensor)

还要在根据numpy数据创建tensor时将其转换为float类型

    train_data_split = torch.from_numpy(train_data_split).float()

这样就不会报错了。

参考：

https://blog.csdn.net/chotin/article/details/104046744

https://pytorch.org/docs/stable/generated/torch.set_default_tensor_type.html

https://blog.csdn.net/Pl_Sun/article/details/106969577

https://discuss.pytorch.org/t/runtimeerror-expected-object-of-scalar-type-double-but-got-scalar-type-float-for-argument-2-weight/38961/13