Python 索引器：目标1超出范围

当我运行下面的程序时，它会给我一个错误。问题似乎出在损失函数中，但我找不到它。我已经阅读了nn.CrossEntropyLoss的Pytorch文档，但仍然找不到问题

图像大小为（1 x 256 x 256）， 批量大小为1

我是PyTorch的新手，谢谢

import torch
import torch.nn as nn
from PIL import Image
import numpy as np
torch.manual_seed(0)

x = np.array(Image.open("cat.jpg"))
x = np.expand_dims(x, axis = 0)
x = np.expand_dims(x, axis = 0)
x = torch.from_numpy(x)
x = x.type(torch.FloatTensor) # shape = (1, 1, 256, 256)

def Conv(in_channels, out_channels, kernel=3, stride=1, padding=0):
    return nn.Conv2d(in_channels, out_channels, kernel, stride, padding)

class model(nn.Module):
    def __init__(self):
        super(model, self).__init__()

        self.sequential = nn.Sequential(
            Conv(1, 3),
            Conv(3, 5),
            nn.Flatten(),
            nn.Linear(317520, 1),
            nn.Sigmoid()
        )

    def forward(self, x):
        y = self.sequential(x)
        return y

def compute_loss(y_hat, y):
    return nn.CrossEntropyLoss()(y_hat, y)

model = model()
y_hat = model(x)

loss = compute_loss(y_hat, torch.tensor([1]))

错误：

Traceback (most recent call last):
  File "D:/Me/AI/Models/test.py", line 38, in <module>
    **loss = compute_loss(y, torch.tensor([1]))**
  File "D:/Me/AI/Models/test.py", line 33, in compute_loss
    return nn.CrossEntropyLoss()(y_hat, y)
  File "D:\Softwares\Anaconda\envs\deeplearning\lib\site-packages\torch\nn\modules\module.py", line 1054, in _call_impl
    return forward_call(*input, **kwargs)
  File "D:\Softwares\Anaconda\envs\deeplearning\lib\site-packages\torch\nn\modules\loss.py", line 1120, in forward
    return F.cross_entropy(input, target, weight=self.weight,
  File "D:\Softwares\Anaconda\envs\deeplearning\lib\site-packages\torch\nn\functional.py", line 2824, in cross_entropy
    return torch._C._nn.cross_entropy_loss(input, target, weight, _Reduction.get_enum(reduction), ignore_index)
**IndexError: Target 1 is out of bounds.**

Process finished with exit code 1

回溯（最近一次呼叫最后一次）：
文件“D:/Me/AI/Models/test.py”，第38行，在
**损耗=计算损耗（y，火炬张量（[1]））**
文件“D:/Me/AI/Models/test.py”，第33行，计算损耗
返回nn.CrossEntropyLoss（）（y_hat，y）
文件“D:\Softwares\Anaconda\envs\deeplearning\lib\site packages\torch\nn\modules\module.py”，第1054行，在调用impl中
返回转发呼叫（*输入，**kwargs）
文件“D:\Softwares\Anaconda\envs\deeplearning\lib\site packages\torch\nn\modules\loss.py”，第1120行，向前
返回F.交叉熵（输入，目标，权重=自身权重，
文件“D:\Softwares\Anaconda\envs\deeplearning\lib\site packages\torch\nn\functional.py”，第2824行，交叉熵
返回火炬。交叉熵损失（输入、目标、权重、减少。获取枚举（减少），忽略索引）
**索引器：目标1超出范围**
进程已完成，退出代码为1

试试看

---

loss=compute\u loss（y\u hat，torch.tensor（[0]））

这看起来像一个二元分类器模型：cat还是not cat。但是您使用的是CrossEntropyLoss，当您有两个以上的目标类时使用。所以您应该使用的是

---

它可以工作，但除0以外的任何内容都不能工作。@SanskarKumar Python列表和元组使用0作为列表或元组中的第一个索引。如果列表或元组中只有1个元素，则0以上的所有内容都将返回索引器，0将返回第一个元素。如果对您有效，请将答案标记为已接受：）你在谈论哪个列表/元组？任何列表。例如：考虑：

my_list=['hello world']

<代码>我的列表[0]将返回“hello world”，而

我的列表[1]

将返回Indexer Ror

def compute_loss(y_hat, y):
    return nn.BCELoss()(y_hat, y)