Python 在Pytorch中，具有多个值的张量的布尔值是不明确的

我想在pytorch中创建一个模型，但我不能 计算损失。 它总是返回张量的布尔值 多个值不明确 实际上，我运行了示例代码，它是有效的

loss = CrossEntropyLoss()
input = torch.randn(8, 5)
input
target = torch.empty(8,dtype=torch.long).random_(5)
target
output = loss(input, target)

这是我的密码

################################################################################
##
##
import torch
from torch.nn import Conv2d, MaxPool2d, Linear, CrossEntropyLoss, MultiLabelSoftMarginLoss
from torch.nn.functional import relu, conv2d, max_pool2d, linear, softmax
from torch.optim import adadelta
##
##
##  Train
Train = {}
Train["Image"]    = torch.rand(2000, 3, 76, 76)
Train["Variable"] = torch.rand(2000, 6)
Train["Label"] = torch.empty(2000, dtype=torch.long).random_(2)
##
##
##  Valid
Valid = {}
Valid["Image"]    = torch.rand(150, 3, 76, 76)
Valid["Variable"] = torch.rand(150, 6)
Valid["Label"]    = torch.empty(150, dtype=torch.long).random_(2)
################################################################################
##
##
##  Model
ImageTerm    = Train["Image"]
VariableTerm = Train["Variable"]
Pip = Conv2d(in_channels=3, out_channels=32, kernel_size=(3,3), stride=1, padding=0)(ImageTerm)
Pip = MaxPool2d(kernel_size=(2,2), stride=None, padding=0)(Pip)
Pip = Conv2d(in_channels=32, out_channels=64, kernel_size=(3,3), stride=1, padding=0)(Pip)
Pip = MaxPool2d(kernel_size=(2,2), stride=None, padding=0)(Pip)
Pip = Pip.view(2000, -1)
Pip = torch.cat([Pip, VariableTerm], 1)
Pip = Linear(in_features=18502, out_features=1000 , bias=True)(Pip)
Pip = Linear(in_features=1000, out_features=2 , bias=True)(Pip)
##
##
##  Loss
Loss = CrossEntropyLoss(Pip, Train["Label"])

错误出现在Loss=CrossEntropyLoss（Pip，列车[“标签]），

---

谢谢。

在您的最小示例中，您创建了一个“CrossEntropyLoss”类的对象“loss”。此对象可以计算您的损失，如下所示：

loss(input, target)

但是，在实际代码中，您尝试创建对象“Loss”，同时将Pip和标签传递给“CrossEntropyLoss”类构造函数。 相反，请尝试以下操作：

loss = CrossEntropyLoss()
loss(Pip, Train["Label"])

编辑（错误消息的解释）：当您尝试将张量强制转换为布尔值时，带有多个值的张量布尔值的错误消息

Bool值不明确。这通常发生在将张量传递到if条件时，例如

input = torch.randn(8, 5)
if input:
    some_code()

CrossEntropyLoss
类构造函数的第二个参数需要一个布尔值。因此，在

Loss = CrossEntropyLoss(Pip, Train["Label"])

构造函数将在某个时刻尝试将传递的张量
序列[“Label”]
用作布尔值，这会抛出所提到的错误消息。
您不能直接使用类
CrossEntropyLoss
。您应该在使用该类之前实例化它

原始代码：

loss = CrossEntropyLoss(Pip, Train["Label"])

应替换为：

loss = CrossEntropyLoss()
loss(Pip, Train["Label"])

先实例化损失

L = CrossEntropyLoss()

然后计算损失

L(y_pred, y_true)

这将修复错误。
相关帖子：--如果您在某个地方引用该错误的实际含义，那将非常好