Question

我遵循示例here，其中文档显示：

输入：（N，C），其中C =类数

目标：（N），其中每个值为0≤目标[i]≤C-1

在为2d张量给出的示例中就是这种情况

Shipment job = Shipment.Builder.newInstance(...)
VehicleRoute.Builder route = VehicleRoute.Builder.newInstance(...)
route.addPickup(job);
route.addDelivery(job);

但是对于二维张量，我遇到了错误

loss = nn.CrossEntropyLoss()
input = torch.randn(3, 5, requires_grad=True)
target = torch.empty(3, dtype=torch.long).random_(5)
output = loss(input, target)
output.backward()

import torch.nn as nn
import torch
loss = nn.CrossEntropyLoss(ignore_index=0)

inputs = torch.rand(32, 128, 3)
targets = torch.ones(32, 128)

loss(inputs, targets.long())

据我所知，我在设置尺寸方面做得很好。错误消息似乎认为我正在提供2d向量，但是我给它提供了3d向量，缺少128尺寸。

此损失功能是否存在我未正确设置的内容？

Answer 1

这是文档中有关K维损耗的内容：

还可通过提供大小≥K≥1的大小（minibatch，C，d_1，d_2，...，d_K）输入来用于更高维度的输入（例如2D图像），其中K是维度数，以及形状合适的目标（见下文）。

如果您有3个类，则正确的输入应为TfLiteTensorCopyFromBuffer(inputTensor, imageDataBuffer, imageSize * sizeof(float));形状：

<i id="arrowIcon" class="fa fa-car fa-spin" onclick="this.classList.remove('fa-spin')"></i>

如果您有128个类别，则目标应为(32, 3, 128)形状：

import torch.nn as nn
import torch
loss = nn.CrossEntropyLoss(ignore_index=0)

inputs = torch.rand(32, 3, 128)
targets = torch.ones(32, 128)

loss(inputs, targets.long())

Pytorch nn.CrossEntropyLoss给出，ValueError：预期目标大小（x，y），获得3d张量的torch.Size（[x，z]）

1 个答案: