Question

我试图使用MNIST数据集实现简单的NN，但我不断收到此错误导入matplotlib.pyplot作为plt

import torch
from torchvision import models
from torchvision import datasets, transforms
from torch import nn, optim
import torch.nn.functional as F
import helper

transform = transforms.ToTensor()

train_data = datasets.MNIST(root='data', train=True,
                                   download=True, transform=transform)
test_data = datasets.MNIST(root='data', train=False,
                                  download=True, transform=transform)
train_loader = torch.utils.data.DataLoader(train_data, batch_size = 20, shuffle=True)
test_loader = torch.utils.data.DataLoader(test_data, batch_size = 20, shuffle=True)
class Net(nn.Module):
    def __init__(self):
        super(Net,self).__init__()
        self.fc1 = nn.Linear(784,10)

    def forward(self,x):

        x = x.view(-1,784)
        x = F.relu(self.fc1(x))
        x = F.log_softmax(x, dim = 1)
        return x


model = Net()
criterion = nn.NLLLoss()
optimizer = optim.Adam(model.parameters(), lr = 0.003)

epochs = 20
model.train()
for epoch in range(epochs):
    train_loss = 0

    for image, lables in train_data:

        optimizer.zero_grad()

        output = model(image)
        loss = criterion(output, lables)
        loss.backwards()
        optimizer.step()
        train_loss += loss.item()*image.size(0)
    train_loss = train_loss/len(train_data.dataset)

    print('Epoch: {} \tTraining Loss: {:.6f}'.format(epoch+1, train_loss))

这是错误 RuntimeError：维度指定为0，但张量没有维度

Answer 1

您直接遇到的问题是NLL损失期望至少一维的labels（您正在拼写lables btw）张量，并且得到0维张量（又名标量）。如果您看到这种消息，最好print(output.shape, labels.shape)以便于检查。该错误的根源是您可能错误地运行了for image, labels in train_data而不是for image, labels in train_loader。结果是您的数据没有被批处理-批处理dataset出来的标量会创建NLLLoss抱怨的缺失维度。

修复此问题后，我们将修复backwards-> backward，最后修复len(train_data.dataset)-> len(train_data)。然后循环开始工作（如果是合理的网络等，我没有测试）。

作为补充，可以使用CrossEntropyLoss组合NLLLoss和log_softmax，这具有额外的数值稳定性的优点。

RuntimeError：尺寸指定为0但张量没有尺寸

1 个答案: