Question

我的输入标签尺寸为torch.size([30, 2, 96, 96, 96])

我的标签尺寸是torch.size([30, 96, 96, 96])，我正在将它们送到我的损失功能，如下所示：

loss = F.binary_cross_entropy(F.sigmoid(output),labels,torch.FloatTensor(CLASS_WEIGHTS).cuda())

当我运行时，我得到了

Value error:Target and input must have the same number of elements.target nelement(26542080) != input nelement(53084160)

我在这里有点困惑。我得到的输入值是目标值的两倍，因为它将[30,96,96]乘以类的数量，但我不确定为什么会这样，以及如何纠正它。任何建议都会有所帮助，提前谢谢。

Answer 1

与获取目标标签值的torch.nn.CrossEntropyLoss图层不同（即如果input具有(30, C, 96, 96, 96)个C个类的target，(30, 96, 96, 96)必须是input），torch.nn.functional.binary_cross_entropy()需要target和target具有相同的形状（即(30, C, 96, 96, 96)形状torch.nn.CrossEntropyLoss），所以它需要目标标签的一个热门表示。

除非您选择def to_one_hot(x, C=2, tensor_class=torch.FloatTensor): """ One-hot a batched tensor of shape (B, ...) into (B, C, ...) """ x_one_hot = tensor_class(x.size(0), C, *x.shape[1:]).zero_() x_one_hot = x_one_hot.scatter_(1, x.unsqueeze(1), 1) return x_one_hot # Demonstration: num_classes = 2 labels = torch.LongTensor(30, 96, 96, 96).random_(0, num_classes) one_hot_labels = to_one_hot(labels, C=num_classes) print(one_hot_labels.shape) # > torch.Size([30, 2, 96, 96, 96])，否则您可以采用多种方法来加热目标广告（例如，请参阅此thread）。个人解决方案：

TCP/3306 FROM 10.0.1.0/24

目标和输入必须具有相同数量的元素

1 个答案: