Python PyTorch模型验证：张量a（32）的大小必须与张量b（13）的大小相匹配

我是机器学习的初学者。所以为了学习，我尝试开发一个简单的CNN来对棋子进行分类。网络已经工作了，我可以训练它，但是我的验证功能有问题

我无法将我的预测与我的

target\u数据进行比较，因为我的预测只是大小为13的张量，而
target.data
是
[batch\u size]x13
。我不知道我的错误在哪里。PyTorch示例几乎都使用此函数将预测与目标数据进行比较

如果有人能帮我，那就太好了

您可以在此处查找其余代码：

错误：

<ipython-input-6-6b21e2bfb8a6> in validate(model, validation_data, 

criterion)
     17 
     18         _, prediction = torch.max(out.data, 1)
---> 19         correct += (prediction == target.data).sum().item()
     20 
     21     loss = loss / len(validation_data)

RuntimeError: The size of tensor a (32) must match the size of tensor b (13) at non-singleton dimension 1

每个索引代表一个类。

torch.max（）
函数的输出似乎是类的索引。
我不明白如何将索引与
target\u标签
进行比较。我的意思是，我可以编写一个函数来检查预测索引是否有1，但我认为我的错误在其他地方。
只需在目标上运行“argmax”：

_, target = torch.max(target.data, 1)

或者更好的方法是，将目标保持为
[示例1\u类，示例2\u类，…]
，而不是1-hot编码。
什么是
out.shape
和
target.shape
在失败的示例中？
out:torch.Size（[32,13]）
目标torch.Size（[32,13]）
谢谢：）。我刚刚尝试了你推荐的方法，但又被卡住了，因为我使用的是
binary\u交叉熵
作为损失函数。是的，在PyTorch的例子中，多类分类通常采用负对数似然（又称交叉熵）。
[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]

_, target = torch.max(target.data, 1)