torch.embedding 报错 IndexError: index out of range in self

---

1. 报错

torch.embedding 报错：

1. IndexError: index out of range in self

复制代码

2. 原因

首先看下正常情况：

1. import torch
2. import torch.nn.functional as F
4. inputs = torch.tensor([[1, 2, 4, 5], [4, 3, 2, 9]])
5. embedding_matrix = torch.rand(10, 3)
6. print(embedding_matrix)
7. print(F.embedding(inputs, embedding_matrix))

复制代码

输出：

1. tensor([[0.8832, 0.2487, 0.7640],
2.         [0.8973, 0.5747, 0.8496],
3.         [0.2269, 0.2961, 0.7951],
4.         [0.7736, 0.9914, 0.9448],
5.         [0.4134, 0.7143, 0.4455],
6.         [0.3482, 0.1837, 0.3179],
7.         [0.4071, 0.9485, 0.1735],
8.         [0.7494, 0.8119, 0.7899],
9.         [0.3922, 0.2944, 0.4924],
10.         [0.2391, 0.8299, 0.3299]])
11. tensor([[[0.8973, 0.5747, 0.8496],
12.          [0.2269, 0.2961, 0.7951],
13.          [0.4134, 0.7143, 0.4455],
14.          [0.3482, 0.1837, 0.3179]],
16.         [[0.4134, 0.7143, 0.4455],
17.          [0.7736, 0.9914, 0.9448],
18.          [0.2269, 0.2961, 0.7951],
19.          [0.2391, 0.8299, 0.3299]]])

复制代码

在这里，embedding_matrix 是一个全量的权重表，须要根据 inputs 的列表来选择权重列表的第几行。
例如：inputs[0] = [1, 2, 4, 5]，留意这里是从0开始的，那么依次选择 embedding_matrix 的第2行、第3行、第5行、第6行，则对应的列表组成为：

1. [[0.8973, 0.5747, 0.8496],
2. [0.2269, 0.2961, 0.7951],
3. [0.4134, 0.7143, 0.4455],
4. [0.3482, 0.1837, 0.3179]]

复制代码

这就是输出的第一部门，对于inputs[1] = [4, 3, 2, 9] 同样如此。
到这里，应该就清楚了出现 IndexError: index out of range in self
报错的原因了。如果 inputs 中出现超过权重表长度的数，就会报错。
例如上面例子权重表有10行，以是 inputs 最大数应该为9，如果 inputs[1] = [4, 3, 2, 10]，如下：

1. import torch
2. import torch.nn.functional as F
4. inputs = torch.tensor([[1, 2, 4, 5], [4, 3, 2, 10]])
5. embedding_matrix = torch.rand(10, 3)
6. print(embedding_matrix)
7. print(F.embedding(inputs, embedding_matrix))

复制代码

那么报错如下：

3. 解决方法

知道报错原因之后，那么须要弄清楚的就是 inputs 中为什么会出现超过 embedding_matrix 权重表长度的数，这里就须要具体分析了。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。