1-问题：only one element tensors can be converted to Python scalars

2-分析问题

      for e in range(start, self.num_epochs):
           for i, (input_data, labels) in enumerate(zip(tqdm(self.data_loader))):
               iter_ctr += 1
               start = time.time()

               input_data = self.to_var(input_data)
               # print('input_data.size:',input_data.size)
               # input_data=input_data.reshape[256,-1]
               input_data=input_data.view(input_data.size(0),-1)
               total_loss,sample_energy, recon_error, cov_diag = self.dagmm_step(input_data)

在训练网络时数据输入用了torch.utils.data.DataLoader函数，用自己的数据库进行数据封装。由于先用了zip(),所以输出是tuple元组格式，用np.array将其转换为数组格式就可以将其导入，但是问题来了，每次只能转一个batch_size的数据之后的不能连续转换

3-解决方案

       for e in range(self.num_epochs):
           print('Epoch ({}/{})----------------------------------------------------------------------------'.format(e, self.num_epochs))
           batch_idxs = len(self.data_loader)// self.batch_size  #sample 367200,batch_size=256
           for i in tqdm(range(0, batch_idxs)):
               iter_ctr += 1
               start = time.time()
               batch = self.data_loader[i * self.batch_size:(i + 1) * self.batch_size]
               input_data = np.array(batch).astype(np.float32)
               # print('batch_images', input_data.shape)
               input_data=torch.tensor(input_data)

               input_data = self.to_var(input_data)
               # print('input_data.size:',input_data.size)
               # input_data=input_data.reshape[256,-1]
               input_data=input_data.view(input_data.size(0),-1)
               total_loss,sample_energy, recon_error, cov_diag = self.dagmm_step(input_data)

将上述代码改写了一下，解决了该问题，但是感觉不是最优解,我看了其他博客他们的解决方案主要是：数组和张量相互转化，经过实验证明在我的问题上并未能解决问题

要是大家有更好的解决方案欢迎共享~