Pytorch Pytork和xFF1A；RuntimeError:维度超出范围（预期范围为[-1，0]，但得到1）

我想使用pretrain inceptionV3来训练一个100类的模型，但是在我的训练代码中，我得到了一个奇怪的错误，如下所示：

我的培训代码是：

step = -1  
print_inter=50
val_inter=400
train_size = ceil(len(data_set['train']) / dataloader['train'].batch_size)
for epoch in range(50):
    # train phase
    exp_lr_scheduler.step(epoch)
    inception_v3.train(True)
    for batch_cnt, data in enumerate(dataloader['train']):
        step += 1
        inception_v3.train(True)

        inputs, labels = data

        inputs = torch.autograd.Variable(inputs.cuda())
        labels = torch.autograd.Variable(torch.from_numpy(np.array(labels)).long().cuda())
        outputs = inception_v3(inputs)
        # zero the parameter gradients
        optimizer.zero_grad()

        outputs = inception_v3(inputs)
        print(inputs.shape)
        print(outputs[0].shape)
        print(outputs[1].shape)
        print(labels.shape)

        loss = criterion(outputs[0], labels)
        loss += criterion(outputs[1], labels)
        outputs = (outputs[0] + outputs[1]) / 2

        _, preds = torch.max(outputs, 1)
        loss.backward()
        optimizer.step()
        # batch loss

        inception_v3.train(False)  # Set model to evaluate mode

        for batch_cnt_val, data_val in enumerate(dataloader['val']):
            # print data
            inputs, labels = data_val

            inputs = Variable(inputs.cuda())
            labels = Variable(torch.from_numpy(np.array(labels)).long().cuda())

            # forward
            outputs = inception_v3(inputs)
            print(inputs.shape)
            print(outputs[0].shape)
            print(outputs[1].shape)
            print(labels.shape)
            loss = criterion(outputs[0], labels)
            loss += criterion(outputs[1], labels)
            outputs = (outputs[0] + outputs[1]) / 2

运行此代码后，得到以下结果：

torch.Size([8, 3, 299, 299])
torch.Size([8, 100])
torch.Size([8, 100])
torch.Size([8])
torch.Size([8, 3, 299, 299])
torch.Size([100])
torch.Size([100])
torch.Size([8])
        ---------------------------------------------------------------------------
    RuntimeError                              Traceback (most recent call last)
    <ipython-input-21-0cfbe57aae73> in <module>()
         49             print(outputs[1].shape)
         50             print(labels.shape)
    ---> 51             loss = criterion(outputs[0], labels)
         52             loss += criterion(outputs[1], labels)
         53             outputs = (outputs[0] + outputs[1]) / 2

    ~/anaconda3/lib/python3.6/site-packages/torch/nn/modules/module.py in __call__(self, *input, **kwargs)
        489             result = self._slow_forward(*input, **kwargs)
        490         else:
    --> 491             result = self.forward(*input, **kwargs)
        492         for hook in self._forward_hooks.values():
        493             hook_result = hook(self, input, result)

    ~/anaconda3/lib/python3.6/site-packages/torch/nn/modules/loss.py in forward(self, input, target)
        757         _assert_no_grad(target)
        758         return F.cross_entropy(input, target, self.weight, self.size_average,
    --> 759                                self.ignore_index, self.reduce)
        760 
        761 

    ~/anaconda3/lib/python3.6/site-packages/torch/nn/functional.py in cross_entropy(input, target, weight, size_average, ignore_index, reduce)
       1440         >>> loss.backward()
       1441     """
    -> 1442     return nll_loss(log_softmax(input, 1), target, weight, size_average, ignore_index, reduce)
       1443 
       1444 

    ~/anaconda3/lib/python3.6/site-packages/torch/nn/functional.py in log_softmax(input, dim, _stacklevel)
        942     if dim is None:
        943         dim = _get_softmax_dim('log_softmax', input.dim(), _stacklevel)
    --> 944     return torch._C._nn.log_softmax(input, dim)
        945 
        946 

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

torch.Size（[8,3299299]）
火炬尺寸（[8100]）
火炬尺寸（[8100]）
火炬尺寸（[8]）
火炬尺寸（[8,3299299]）
火炬尺寸（[100]）
火炬尺寸（[100]）
火炬尺寸（[8]）
---------------------------------------------------------------------------
运行时错误回溯（上次最近调用）
在（）
49打印（输出[1]。形状）
50打印（标签。形状）
--->51损耗=标准（输出[0]，标签）
52损失+=标准（输出[1]，标签）
53个输出=（输出[0]+输出[1]）/2
~/anaconda3/lib/python3.6/site-packages/torch/nn/modules/module.py在调用中（self，*input，**kwargs）
489结果=self.\u slow\u forward（*输入，**kwargs）
490其他：
-->491结果=自我转发（*输入，**kwargs）
492用于钩住自身。\u向前\u钩住.values（）：
493钩子结果=钩子（自身、输入、结果）
前进中的~/anaconda3/lib/python3.6/site-packages/torch/nn/modules/loss.py（自我、输入、目标）
757 _断言_否_梯度（目标）
758返回F.交叉熵（输入、目标、自身重量、自身大小、平均值、，
-->759自我忽略（自我减少索引）
760
761
交叉熵中的~/anaconda3/lib/python3.6/site-packages/torch/nn/functional.py（输入、目标、重量、大小、平均值、忽略指数、减少）
1440>>>丢失。向后（）
1441     """
->1442返回nll_损失（log_softmax（输入，1），目标，重量，大小平均值，忽略指数，减少）
1443
1444
日志中的~/anaconda3/lib/python3.6/site-packages/torch/nn/functional.py\u softmax（输入、dim、堆栈级别）
942如果dim为无：
943 dim=\u get\u softmax\u dim（'log\u softmax'，input.dim（），\u stacklevel）
-->944回程焊炬。\u C.\u nn.log\u softmax（输入，尺寸）
945
946
RuntimeError:维度超出范围（预期范围为[-1，0]，但得到1）

你可以看到同一个模型得到相同的输入大小，但是我的第二个输出错过了批处理维度