【pytorch】RuntimeError: 1only batches of spatial targets supported (3D tensors) but got targets of si
作者:互联网
every blog every motto: Just live your life cause we don’t live twice.
0. 前言
在用pytorch训练网络,计算损失时,遇到错误
1. 正文
1.1 错误回顾
RuntimeError: 1only batches of spatial targets supported (3D tensors) but got targets of size: : [2, 10, 256, 256]
上面显示,希望传入一个3维Tensor,结果得到了一个4维的。
代码:
# 损失函数
c_loss = nn.CrossEntropyLoss()
print('预测值:', d0.shape)
print('标签值: ', labels_v.shape)
loss0 = c_loss(d0, labels_v.long())
shape:
说明:
- pytorch中Tensor是以 (batch,channel,height,width) 这种方式存储的。
- 而在Tensorflow中是以 (batch,height,width,channel) 这种方式存储的。
按照Tensorflow/keras的中计算损失的思维,预测值和标签值的shape是一样的应该可以计算损失才对,为什么会报错呢???
难道pytorch只能计算3维的Tensor???
其实不然……
1.2 解决办法
pytorch和Tensorflow在损失函数计算方面是有细微差别的。
在我们的(十分类)任务中,类似这样:
1.2.1 Tensorflow中
模型训练:
标签one-hot编码:
通过这两步,我们就可以计算标签和模型产生的预测结果之间的损失了。
1.2.2 pytorch中
在Pytorch中,我们“不需要”对标签进行one-hot编码,且需要将通道这一维给压缩了。
即:
预测值:(256,256,10)
标签值:(256,256)
即可以直接进行计算损失。
其中,标签中的值为对应的类别数
如下图所示,我们即可以进行损失的计算了
参考文献
[1] https://discuss.pytorch.org/t/runtimeerror-only-batches-of-spatial-targets-supported-3d-tensors-but-got-targets-of-dimension-4/82098
[2] https://discuss.pytorch.org/t/runtimeerror-1only-batches-of-spatial-targets-supported-3d-tensors-but-got-targets-of-size-1-3-96-128/95030/4
[3] https://pytorch.org/docs/stable/generated/torch.nn.NLLLoss.html
[4] https://www.cnblogs.com/gshang/p/13854889.html
[5] https://jianzhuwang.blog.csdn.net/article/details/110955851
标签:batches,标签,RuntimeError,损失,pytorch,https,256,targets 来源: https://blog.csdn.net/weixin_39190382/article/details/114433884