torch::where（）函数使用报错

出现c10::error的问题，但我检查了输入的类型（bool，tensor，tensor）和输入维度（1，480，640）都一致，求大佬

出现c10::error错误可能有多种原因，例如模型输入的数据类型或维度不正确，或者模型本身存在一些问题。为了更好地解决这个问题，我想请您提供一些额外的信息。您使用的是哪个深度学习框架？是PyTorch吗？您是在哪个环境下运行模型？例如CPU或GPU等。

这篇博客也许可以解决你的问题👉 ：torch.Tensor的4种乘法
除此之外, 这篇博客: 张量的定义及创建中的 1.torch.tensor() 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
创建格式:

代码实现:
```
#创建numpy数组
arr = np.ones((3,3))
#使用numpy数组创建tensor变量t
t = torch.tensor(arr,dtype=torch.float32,device="cuda:0",requires_grad=False,pin_memory=False)
```
- dtype参数需要使用Pytorch中定义的torch.xx给行
- cuda:x表示该tensor在第x块GPU上,只有一块时候编号为0
- 当requires_grad=True,即需要梯度时,tensor的数据类型必须为浮点类,否则报错
- 由numpy或list创建tensor后,修改numpy和list不会影响到tensor,即不共享内存

c10::Error是PyTorch中的错误类型，通常表示在执行某些操作时发生了错误。如果您遇到了c10::Error，即使您已经检查了输入的类型和维度，仍然可能有其他原因导致此错误。以下是一些可能的原因和解决方法：

数据类型不匹配：除了检查输入的类型是否一致之外，还需要确保输入的数据类型与操作所期望的数据类型匹配。例如，有些操作可能需要输入为float类型，而您的输入为int类型。请检查输入数据的类型是否正确。
张量尺寸不匹配：除了检查维度是否一致，还需要确保张量的尺寸（shape）与操作所期望的尺寸匹配。请检查输入张量的尺寸是否正确，包括通道数、高度和宽度等。
输入数据范围不正确：有些操作对输入数据的范围有特定的要求。例如，某些操作可能要求输入数据归一化到特定的范围，或者要求输入数据在特定的范围内。请确保输入数据的范围符合操作的要求。
模型或库版本不兼容：如果您在使用预训练模型或特定的库版本，可能会出现与版本不兼容的问题。请确保您正在使用的模型或库版本与您的代码兼容，并且遵循了相应的文档和示例。
其他错误：c10::Error可能是由于其他未知的原因引起的。在这种情况下，建议查看完整的错误消息和堆栈跟踪，以获取更多关于错误发生位置和具体原因的信息。这有助于更好地诊断和解决问题。

如果您能提供更多关于出现c10::Error的上下文、代码片段以及完整的错误消息和堆栈跟踪，我可以提供更详细的帮助。

我没有你的max_pool具体实现和nms_radius，所以我随机生成，这段代码没问题啊，你看下你的控制台一共输出几次supp_mask的数据，你两次for循环应该有两次的bool数据，我按照下面这么运行函数正确返回，所以你这个报错是不是其他位置的报错？我建议你打断点按F10一行一行运行看下是哪一句代码的报错

torch::Tensor simple_nms() {
    Tensor score= torch::randn({ 1,640,480 }).to(torch::kFloat);
    Tensor zeros = torch::zeros_like(score);
    Tensor max_mask_temp = torch::randint(0,255,score.sizes());
    Tensor max_mask = max_mask_temp > 127;
    cout << score.sizes() << score.dtype() << endl;
    cout << zeros.sizes() << zeros.dtype() << endl;
    cout << max_mask.sizes() << max_mask.dtype() << endl;


    for (int i = 0; i < 2; ++i) {
        Tensor supp_mask = max_mask_temp > 200;
        cout << supp_mask.sizes() << supp_mask.dtype()<<endl;
        Tensor supp_score = at::where(supp_mask, zeros, score);
        Tensor new_max_mask = supp_score > 0;
        max_mask = max_mask | (new_max_mask & (~supp_mask));
    }
    return torch::where(max_mask, score, zeros);

}

给你举一个例子

import torch
x = torch.randn(3, 2)
y = torch.ones(3, 2)
a = torch.where(x > 0, x, y)
print(x)
print("shape of x = ",x.shape)
print(y)
print("shape of y = ",y.shape)
print(a)
print("shape of a = ",a.shape)

输出
tensor([[ 0.3870, -0.1952],
        [-0.6414, -1.9798],
        [-0.0133,  0.9991]])
shape of x =  torch.Size([3, 2])
tensor([[1., 1.],
        [1., 1.],
        [1., 1.]])
shape of y =  torch.Size([3, 2])
tensor([[0.3870, 1.0000],
        [1.0000, 1.0000],
        [1.0000, 0.9991]])
shape of a =  torch.Size([3, 2])