对于一个二元分类问题,有 batch_size = 1
我有对数和标签值,我需要用它们来计算损失。
logit: tensor([0.1198, 0.1911], device='cuda:0', grad_fn=<AddBackward0>)
label: tensor(1], device='cuda:0')
# calculate loss
loss_criterion = nn.CrossEntropyLoss()
loss_criterion.cuda()
loss = loss_criterion( b_logits, b_labels )
然而,这总是导致以下错误。
IndexError: Dimension out of range (expected to be in range of [-1, 0], but got 1)
CrossEntropyLoss到底要求什么输入维度?
你传错了时器的形状。shape
应该是(从医生)
- 输入。
(N,C)
其中C
=班级数- 目标。
(N)
其中每个值是0 ≤ targets[i] ≤ C−1
所以在这里。b_logits
形状应该是 ([1,2])
而不是 ([2])
为了使其形状正确,你可以使用 torch.view
喜欢 b_logits.view(1,-1)
.
而且 b_labels
形状应该是 ([1])
. 前..:
b_logits = torch.tensor([0.1198, 0.1911], requires_grad=True)
b_labels = torch.tensor([1])
loss_criterion = nn.CrossEntropyLoss()
loss = loss_criterion( b_logits.view(1,-1), b_labels )
loss
tensor(0.6581, grad_fn=<NllLossBackward>)