PyTorch中交叉熵损失的输入维数

对于批次大小为1的二元分类问题，我需要使用logit和label值来计算损失

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 )

---

无交叉熵张量实际要求的输入维数是多少？

您传递的张量形状错误。

形状

应为（）

• 输入：

  （N，C）

  其中

  C

  =类数
• 目标：

  （N）

  其中每个值都是

  0≤ 目标[i]≤ C−1

因此，在这里，

b_logits

形状应该是

（[1,2]）

而不是

（[2]）

，为了使它成为正确的形状，您可以使用类似

b_logits.view（1，-1）

和

b_标签

形状应为

（[1]）

例：

b_logits=torch.tensor（[0.1198,0.1911]，需要_grad=True）
b_标签=火炬张量（[1]）
损失标准=nn.CrossEntropyLoss（）
损失=损失标准（b_logits.view（1，-1），b_标签）
损失
张量（0.6581，梯度fn=）

我认为您缺少一个维度，即批次维度。比较没有批量大小的

[0，1]

，和批量大小为1的

[0，1]]

。@amdex是的，这是有效的。使用b_logits.unsqueze（0）添加批次维度。你能把这个写下来作为回答吗？

IndexError: Dimension out of range (expected to be in range of [-1, 0], but got 1)