PyTorch ValueError：目标和输入必须具有相同数量的元素

Question

我对PyTorch不熟悉，但我想了解当计算损失函数时，目标和输入的大小如何在torch.nn.BCELoss（）中工作。

Warning (from warnings module):
File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/torch/nn/functional.py", line 767
"Please ensure they have the same size.".format(target.size(), input.size()))

File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/torch/nn/functional.py", line 770, in binary_cross_entropy
"!= input nelement ({})".format(target.nelement(), input.nelement()))
ValueError: Target and input must have the same number of elements. target nelement (3) != input nelement (6)

我收到以下错误：

{{1}}

此错误肯定来自last_out（大小3x2）和目标（大小3）的不同大小。所以我的问题是如何将last_out转换为目标（大小为3且仅包含0和1）以计算损失函数？

Answer 1

nn.BCELoss()的想法是实现以下公式：

o和t都是任意（但相同！）大小的张量，i只是索引两个张量的每个元素来计算上面的总和。

通常，nn.BCELoss()用于分类设置：o和i将是维度N x D的矩阵。 N将是您的数据集或小批量中的观察数量。如果您只是尝试对单个属性进行分类，则D将为1;如果您尝试对多个属性进行分类，则t将大于1。 o，目标矩阵，只保留0和1，对于每个属性，只有两个类（二进制交叉熵损失的二进制来自）。 target将保留将每个观察的每个属性分配给第1类的概率。

现在，在您的上述设置中，您不清楚正在考虑的课程数量以及您有多少属性。如果model的形状只建议了一个属性，则只应输出一个数量，即从targets输入第1类的概率。如果有两个属性，则torch.nn.CrossEntropyLoss不完整！如果有多个课程，则应使用torch.nn.BCELoss()代替torch.nn.BCEWithLogitsLoss。

顺便说一下，为了数值稳定性，通常希望在某些输出上使用torch.nn.BCELoss()而不是nn.Sigmoid() GlslProgram(const char* vertex_shader_path, const char* fragment_shader_path, const char* tess_control_shader_path = "", const char* tess_eval_shader_path = "", const char* geom_shader_path = ""); 。