TypeError：+不支持的操作数类型：'Tensor'和'dict'

Question

我对神经网络世界是陌生的，我正在尝试从this model实现一个CNN生成器以进行运动生成。我编写了以下代码，其中H_txt是一个字典，其中包含我的剪辑的名称和值（表示剪辑中显示的动作的向量）作为键，而z是维度为（1，256）的高斯白噪声。

N=32  

class CNNGenerator(nn.Module):

    def __init__(self, htxt=H_txt):                                       
        super(CNNGenerator, self).__init__()

        self.htxt = htxt
        self.conv1 = nn.Conv1d(1, 1, 3)
        self.conv2 = nn.Conv1d(1, 1, 3)            
        self.conv3 = nn.Conv1d(1, 1, 3)            
        self.conv4 = nn.Conv1d(4, 4, 3)            
        self.conv5 = nn.Conv1d(2, 2, 3)
        self.conv6 = nn.Conv1d(8, 8, 3)
        self.conv7 = nn.Conv1d(4, 4, 3)
        self.conv8 = nn.Conv1d(16, 16, 3)        
        self.conv9 = nn.Conv1d(8, 8, 3)
        self.conv10 = nn.Conv1d(32, 32, 3)
        self.conv11 = nn.Conv1d(16, 16, 3)
        self.conv12 = nn.Conv1d(32, 32, 3)
        self.conv13 = nn.Conv1d(1, 1, 3)
        self.conv14 = nn.Conv1d(2, 2, 3)
        self.conv15 = nn.Conv1d(2, 2, 3)
        self.conv16 = nn.Conv1d(4, 4, 3)
        self.conv17 = nn.Conv1d(4, 4, 3)
        self.conv18 = nn.Conv1d(8, 8, 3)
        self.conv19 = nn.Conv1d(8, 8, 3)
        self.conv20 = nn.Conv1d(16, 16, 3)
        self.conv21 = nn.Conv1d(16, 16, 3)
        self.conv22 = nn.Conv1d(32, 32, 3)
        self.conv23 = nn.Conv1d(32, 32, 3)





    def forward(self, x):                              
        x[0] = self.conv1(F.relu(self.conv2(z) + self.htxt))  

        x[1] = self.conv3(F.relu(self.conv4(z) + self.htxt))
        x[2] = self.conv5(F.relu(self.conv6(z) + self.htxt))
        x[3] = self.conv7(F.relu(self.conv8(z) + self.htxt))
        x[4] = self.conv9(F.relu(self.conv10(z) + self.htxt))
        x[5] = self.conv11(F.relu(self.conv12(z) + self.htxt))
        h = np.zeros(np.log2(N))               

        h = x[0]                                   #p6 l4

        h[1] = nn.AdaptiveAvgPool1d(2*h[0]) + self.conv13(F.relu(nn.AdaptiveAvgPool1d(2*(self.conv14(h[0])+x[1]))))   
        h[2] = nn.AdaptiveAvgPool1d(2*h[1]) + self.conv15(F.relu(nn.AdaptiveAvgPool1d(2*(self.conv16(h[1])+x[2]))))   
        h[3] = nn.AdaptiveAvgPool1d(2*h[2]) + self.conv17(F.relu(nn.AdaptiveAvgPool1d(2*(self.conv18(h[2])+x[3]))))   
        h[4] = nn.AdaptiveAvgPool1d(2*h[3]) + self.conv19(F.relu(nn.AdaptiveAvgPool1d(2*(self.conv20(h[3])+x[4]))))   
        h[5] = nn.AdaptiveAvgPool1d(2*h[4]) + self.conv21(F.relu(nn.AdaptiveAvgPool1d(2*(self.conv22(h[4])+x[5]))))
        A = self.conv23(h[np.log2(N)])
        return A




    def num_flat_features(self, x):
        size = x.size()[1:]  # all dimensions except the batch dimension
        num_features = 1
        for s in size:
            num_features *= s
        return num_features


    net = CNNGenerator()
    z= torch.randn(1, 1, 256)       #k=256
    out = net(z)
    print(out)

运行代码时，出现以下错误消息，来自我的forward函数：

TypeError: unsupported operand type(s) for +: 'Tensor' and 'dict'

我还没有在线找到任何解决方案，所以我想知道是否可以将我的张量与字典相加？是否有可以将我的字典转换为张量的函数？

[我试图用np.asarray（）将字典转换成数组，但收到一条错误消息，说我不能为此使用numpy函数。

非常感谢您阅读我的信息

Answer 1

您的问题缺少有关变量的详细信息，但是基于错误，我正在为您提供答案。您正在添加字典和张量，这会给您带来错误。如果要将字典的值添加到张量，则您必须将字典转换为张量。为什么还要直接添加字典，因为这里不需要键。如果要在沿所需轴将其转换为张量后将字典中的值连接起来，则需要使用torch.cat函数。要将字典中的值添加到张量中，请从dict中获取值，并通过类似这种方法将其转换为张量

torch.Tensor(list(htxt.values()))