为什么我复制粘贴的代码还汇报这种错啊？

老师，这个运行的很快但是data下面没有创建出文件夹

import torch
import torch.nn as nn 
from vggnet import VGGNet
from loaddata import train_loader
import os

#防止核崩溃
os.environ['KMP_DUPLICATE_LIB_OK'] = 'True'

epoch_num =200 #训练轮数
lr = 0.01 #学习率
batch_size =128#没批训练128个样本

net=VGGNet()

loss_func= nn.CrossEntropyLoss()

optimizer=torch.optim.Adam(net.parameters(), lr=lr)
scheduler = torch.optim.lr_scheduler.StepLR(optimizer,step_size=5,gamma=0.9)

step_n=0
for epoch in range(epoch_num):
    print(" epoch is",epoch)
    for i,data in enumerate(train_loader):
        inputs,labels=data

        outputs = net(inputs) #前向传播
        loss=loss_func(outputs,labels)
        optimizer.zero_grad()#清空梯度
        loss.backward() #反向传播，计算梯度
        optimizer.step()#更新参数

        _,pred=torch.max(outputs.data,dim=1)
        correct=pred.eq(labels.data).cpu().sum()
        print("step",i,';oss is',loss.item(),'mini-batch correct is:',
              100.0*correct/batch_size)
        if not os.path.exists('models'):
            os.mkdir('models')
        torch.save(net.state_dict(),'models/{}.pth'.format(epoch+1))
        scheduler.step() #更新学习率
        print("lr is,",optimizer.state_dict()["param_groups"][0]["lr"])

这里的代码能用.cuda()加速吗？应该怎么改呀老师

_,pred = torch.max(outputs.data,dim=1)
correct = pred.eq(labels.data).cpu().sum()
print('step',i,'loss is',loss.item(),
       'mini-batch correct is:',100*correct/batch_size)

老师，这里的预测取最大是什么意思啊?

然后下面预测相等就加起来，最后返回的正确率是本轮本批数据有多少预测对了吗？

我这边也是代码找不到data路径, 代码基本和老师一样

类中的前向传播方法forward只能叫forward吗?

所有的神经网络在训练时的x和y都一定要用Tensor数据类型吗?

RuntimeError: stack expects each tensor to be equal size, but got [3, 96, 96] at entry 0 and [3, 288, 432] at entry 4

资料给的数据集是不是有错误啊，为什么会有288*432的图片啊？

这个图片数据在哪里获取？视频中没有讲。

老师这里的数据集是自己先下载好的嘛？还有就是data文件夹也是自己建的是吧？为啥我跟老师的代码一样图片不能加载出来

net = Net(input_features=2,num_hidden=20,outputs=3)

老师，为什么这里不能输入特征是3输出是2呢