解决：RuntimeError: Expected object of scalar type Int but got scalar type Double

问题描述：

最近在写使用神经网络预测的代码，在更换导入的数据后，原本的loss函数（如下所示）报错RuntimeError: Expected object of scalar type Int but got scalar type Double。后来根据CSDN上的许多博文尝试使用众多方法，例如：loss函数前面加X=torch.tensor(np.int(X))或者y=torch.IntTensor(y)，但是之后又出现“ValueError: only one element tensors can be converted to Python scalar等报错，于是根据其它博文更改为X= torch.tensor([item.cpu().detach().numpy() for item in np.int(X)]).cuda()，于是又回到上述的报错，让人头疼不已。

    for X,y in data_iter(batch_size,train_feature,train_label):#内循环训练一个batch
        l=loss(X,y).sum()  #计算模型输出与真实数据之间的差距

解决方案：

其实解决该问题十分简单，由于导入的表格后缀名为xlsx（即：正常的Excel文件），只要将该文件另存为csv格式即可（需要注意的是，读取个数必须为utf-8，否则在读取时会由于csv中的编码格式是‘ANSI’，而Python 3默认读取格式为‘utf-8’，导致decode异常。因此会导致产生报错’utf-8’ codec can’t decode bytes in position 16: invalid continuation byte）。
在将后缀名由xlsx改为csv后，顺利读取文件并进行训练，中途没有再产生任何其它报错（ヾ(◍°∇°◍)ﾉﾞ开森森~开森森~）

修改理由：

1、CSV是纯文本文件，excel不是纯文本，excel包含很多格式信息在里面。即：CSV是纯文本文件，CSV文件在windows平台默认的打开方式是excel，但是它的本质是一个文本文件。excel不是纯文本，Excel是一个二进制文件，它保存有关工作簿中所有工作表的信息。因此，csv文件更加地纯粹。
其它理由：
1、CSV文件的体积会更小，创建分发读取更加方便，适合存放结构化信息，比如记录的导出，流量统计等等。
2、由于数值和文本之间没有明确的区别或区分，Excel可以使用自动格式化功能搞乱数值。
CSV是比较安全的，可以清楚地区分数值和文本。CSV不处理数据并按原样存储。
3、Excel导入数据时消耗更多的内存。导入CSV文件可以更快，而且消耗更少的内存。
4、Excel文件只能用Microsoft Excel文档打开。CSV可以用Windows中的任何文本编辑器打开，如记事本，MS Excel，Microsoft Works 9等。

参考文献：

https://www.cnblogs.com/Dongmy/p/16434120.html
https://blog.csdn.net/qq_38703529/article/details/120216078
https://blog.csdn.net/qq_18649781/article/details/90771682
https://blog.csdn.net/qq_38703529/article/details/120216078
https://blog.csdn.net/yzf0011/article/details/93321576