Pytorch ret=torch.\u C.\u nn.nll\u loss2d中出错（输入、目标、权重、减少、获取枚举（减少）、忽略索引）

输入图像大小为512*512，以适应resnet的输入。 我曾经

在数据加载器中。 我使用resnet50作为我的网络主干，没有fc。输出形状为

[4,2048,16,16]

然后使用两个（conv bn relu）和一个插值

    def forward(self, input):
        x=self.backbone(input)
        x = self.conv1(x)
        x= self.bn1(x)
        x = self.relu(x)
        x = self.conv2(x)
        x= self.bn2(x)
        x = self.relu(x)
        x = F.interpolate(x, size=[512,512], mode='bilinear', align_corners=True)
        return x

训练部分

    self.criterion=nn.CrossEntropyLoss()
    if self.args.cuda:
        image, target = image.cuda(), target.cuda()
    self.scheduler(self.optimizer, i, epoch, self.best_pred)
    self.optimizer.zero_grad()
    output = self.model(image)
    loss = self.criterion(output, target.long())
    loss.backward()

但是错误发生了

File "E:/python_workspace/1006/train.py", line 135, in training
loss = self.criterion(output, target.long())
File "E:\python_workspace\1006\utils\loss.py", line 28, in CrossEntropyLoss
loss = criterion(logit, target.long())
File "E:\anaconda3\lib\site-packages\torch\nn\modules\module.py", line 547, in __call__
result = self.forward(*input, **kwargs)
File "E:\anaconda3\lib\site-packages\torch\nn\modules\loss.py", line 916, in forward
ignore_index=self.ignore_index, reduction=self.reduction)
File "E:\anaconda3\lib\site-packages\torch\nn\functional.py", line 1995, in cross_entropy
return nll_loss(log_softmax(input, 1), target, weight, None, ignore_index, None, reduction)
File "E:\anaconda3\lib\site-packages\torch\nn\functional.py", line 1826, in nll_loss
ret = torch._C._nn.nll_loss2d(input, target, weight, _Reduction.get_enum(reduction), ignore_index)
RuntimeError: Assertion `cur_target >= 0 && cur_target < n_classes' failed.  at C:\w\1\s\tmp_conda_3.6_045031\conda\conda-bld\pytorch_1565412750030\work\aten\src\THNN/generic/SpatialClassNLLCriterion.c:111

image.shape is [4, 3, 512, 512],dtype is torch.float32
target.shape is [4, 512, 512],dtype is torch.float32
output.shape is [4, 3, 512, 512],dtype is torch.float32

文件“E:/python\u workspace/1006/train.py”，第135行，培训中
损耗=self.criteria（输出，target.long（））
文件“E:\python\u workspace\1006\utils\loss.py”，第28行，在CrossEntropyLoss中
损失=标准（logit，target.long（））
文件“E:\anaconda3\lib\site packages\torch\nn\modules\module.py”，第547行，在调用中__
结果=自我转发（*输入，**kwargs）
文件“E:\anaconda3\lib\site packages\torch\nn\modules\loss.py”，第916行，向前
忽略索引=自我。忽略索引，减少=自我。减少）
文件“E:\anaconda3\lib\site packages\torch\nn\functional.py”，第1995行，交叉显示
返回nll_损失（log_softmax（输入，1），目标，重量，无，忽略索引，无，减少）
nll\U文件“E:\anaconda3\lib\site packages\torch\nn\functional.py”，第1826行
ret=torch.\u C.\u nn.nll\u loss2d（输入、目标、权重、缩减、获取枚举（缩减）、忽略索引）
运行时错误：断言'cur\u target>=0&&cur\u target

目标图像都只有三种不同的颜色，所以我将输出设置为3通道，图像模式为P

---

我的代码中哪里可能有问题？

根据您的TERNSOR的大小判断，您的

批次大小=4

。您试图预测每像素三个标签中的一个，即

n_classes=3

您得到的错误是：

运行时错误：断言'cur\u target>=0&&cur\u target

表示您提供给丢失函数的

target.long（）

的值为负值或大于

n\u类

检查你阅读地面真相标签的方式。如果它是

P

类型的图像，则需要将其本身读取，而不是将其转换为RGB值

PS，

---

不要使用

align_corners=True

在

F.interpolate

中，它会引入失真。

您的意思是我应该将目标图像的值更改为数字，例如背景为0，目标为1，其他值为2？我尝试了该方法，但得到了相同的错误。我删除了F.interpolate中的align_corners=True。@faustowang align corners与错误无关，但这是一个好方法practice@faustowang验证您的目标确实只有这三个值。刚才，我发现我使用了“if mask[xx，yy]==16:mask[xx，yy]=2 elif mask[xx，yy]==20：带错误的掩码[xx，yy]=1”。所以我附加了“else:mask[xx，yy]=0”。这很有效。也许分割过程需要调整。欣赏

File "E:/python_workspace/1006/train.py", line 135, in training
loss = self.criterion(output, target.long())
File "E:\python_workspace\1006\utils\loss.py", line 28, in CrossEntropyLoss
loss = criterion(logit, target.long())
File "E:\anaconda3\lib\site-packages\torch\nn\modules\module.py", line 547, in __call__
result = self.forward(*input, **kwargs)
File "E:\anaconda3\lib\site-packages\torch\nn\modules\loss.py", line 916, in forward
ignore_index=self.ignore_index, reduction=self.reduction)
File "E:\anaconda3\lib\site-packages\torch\nn\functional.py", line 1995, in cross_entropy
return nll_loss(log_softmax(input, 1), target, weight, None, ignore_index, None, reduction)
File "E:\anaconda3\lib\site-packages\torch\nn\functional.py", line 1826, in nll_loss
ret = torch._C._nn.nll_loss2d(input, target, weight, _Reduction.get_enum(reduction), ignore_index)
RuntimeError: Assertion `cur_target >= 0 && cur_target < n_classes' failed.  at C:\w\1\s\tmp_conda_3.6_045031\conda\conda-bld\pytorch_1565412750030\work\aten\src\THNN/generic/SpatialClassNLLCriterion.c:111

image.shape is [4, 3, 512, 512],dtype is torch.float32
target.shape is [4, 512, 512],dtype is torch.float32
output.shape is [4, 3, 512, 512],dtype is torch.float32

RuntimeError: Assertion `cur_target >= 0 && cur_target < n_classes' failed.