增加最优传输过程中遇到的问题

最近，正在使用最优传输，在使用的过程中遇到了一下问题，简单记录一下这些问题。该文章仅用于记录学习，不做其他用途，参考的文章均声明。

修改代码过程中，遇到的错误总结

Question 1. 描述：

linear(): argument ‘input’ (position 1) must be Tensor, not DataFrame

翻译：使用 torch.nn.Linear() 时，必须要求数据是 tensor 类型
解决方案：torch.nn.linear() 使用时要求数据必须是 tensor 类型的。

Question 2. 描述

RuntimeError:expected scalar type Float but found Double

翻译：RuntimeError：期望标量类型为 Float，但发现为 Double 。
解决方案：首先看了很多博主写的博客，然后自己一步一步调试，发现代码出现的问题在使用线性变换时，我用于处理的类型是 float64，而 torch.nn.linear() 生成的 weight 和 bias 两个参数是 float32 类型的，通过查阅资料发现，Tensor 中 float64 和 float32 不是一个类型，参考了，具体解决方法如下所示：

Question 3. 描述

‘function’ object has no attribute ‘parameters’

翻译：函数没有 parameters 这个属性
解决方案：经过了解 torch.nn.linear() 这个函数的用法和 Pytorch.optim之optim.Adam() ，参考了 Python-torch.optim优化算法理解之optim.Adam()，在 ly 的帮助下，了解了不能直接用 function ，于是在 linear_1() 函数中返回 linear1 。具体解决方法如下所示：

Question 4. 描述

mat1 and mat2 shapes cannot be multiplied (1140x8 and 2x2)

翻译：mat1 和 mat2 大小不能相乘( 11408 和 22 )
解决方案：将 mat2 的大小换为 8*8，可用于和 mat1 进行计算的大小。将 Mapping(2) 中的 2 更换为 8 。就解决了该问题。

Question 5. 描述

Expected all tensors to be on the same device, but found at least two devices, cuda:0 and cpu! (when checking argument for argument mat1 in method wrapper_addmm)

翻译：预计所有张量都在同一个设备上，但发现至少有两个设备，cuda：0和cpu！(当检查方法 wrapper_addmm 中的参数 mat1 的参数时)
解决方案：经过查阅解决方案，参考了文章 解决RuntimeError: Expected all tensors to be on the same device, but found at least two devices, cp，逐步找到两个 mat1 和 mat2 对应的设备，并对其中不一样的那个 mat 进行修改。

Question 6. 描述

Can’t call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.

翻译：不能在需要梯度下降的 Tensor 上直接使用 numpy() ，用 tensor.detach().numpy() 代替。
解决方案：参考了 RuntimeError: Can‘t call numpy() on Tensor that requires grad. Use tensor.detach().numpy() instead.该博客的主要内容。该博客阐述了出现这种情况的原因：待转化类型的Tensor 变量带有梯度，直接将其转化为 numpy 数据将破坏计算图，因此 numpy 拒绝进行数据转换，实际上这是对开发者的一种提醒。如果自己在转换数据时不需要保留梯度信息，可以在变量转换之前添加 detach() 调用。

X_total = X_total.detach.numpy()

若数据部署在 GPU 上时，则修改为

X_total = X_total.cpu().detach.numpy()