Pytorch RuntimeError:维度指定为0,但tensor没有维度
我试图使用MNIST数据集实现简单的NN,但我一直遇到这个错误 将matplotlib.pyplot作为plt导入Pytorch RuntimeError:维度指定为0,但tensor没有维度,pytorch,Pytorch,我试图使用MNIST数据集实现简单的NN,但我一直遇到这个错误 将matplotlib.pyplot作为plt导入 import torch from torchvision import models from torchvision import datasets, transforms from torch import nn, optim import torch.nn.functional as F import helper transform = transforms.ToTen
import torch
from torchvision import models
from torchvision import datasets, transforms
from torch import nn, optim
import torch.nn.functional as F
import helper
transform = transforms.ToTensor()
train_data = datasets.MNIST(root='data', train=True,
download=True, transform=transform)
test_data = datasets.MNIST(root='data', train=False,
download=True, transform=transform)
train_loader = torch.utils.data.DataLoader(train_data, batch_size = 20, shuffle=True)
test_loader = torch.utils.data.DataLoader(test_data, batch_size = 20, shuffle=True)
class Net(nn.Module):
def __init__(self):
super(Net,self).__init__()
self.fc1 = nn.Linear(784,10)
def forward(self,x):
x = x.view(-1,784)
x = F.relu(self.fc1(x))
x = F.log_softmax(x, dim = 1)
return x
model = Net()
criterion = nn.NLLLoss()
optimizer = optim.Adam(model.parameters(), lr = 0.003)
epochs = 20
model.train()
for epoch in range(epochs):
train_loss = 0
for image, lables in train_data:
optimizer.zero_grad()
output = model(image)
loss = criterion(output, lables)
loss.backwards()
optimizer.step()
train_loss += loss.item()*image.size(0)
train_loss = train_loss/len(train_data.dataset)
print('Epoch: {} \tTraining Loss: {:.6f}'.format(epoch+1, train_loss))
这里是错误
RuntimeError:dimension指定为0,但tensor没有维度您直接遇到的问题是NLL loss需要一个
标签
(您正在拼写它标签
顺便说一句)至少为1维的张量,并且它得到一个0维张量(也称为标量)。如果您看到此类消息,最好只打印(output.shape、labels.shape),以便于检查。此错误的来源是,您可能错误地运行了“序列号数据中的图像标签”的,而不是“序列号加载器中的图像标签”的。结果是您的数据没有成批处理-成批处理来自dataset
的标量将创建缺少的维度NLLLoss
抱怨
一旦我们解决了这个问题,我们将继续向后解决问题
->问题
最后解决len(train\u data.dataset)
->len(train\u data)
。然后循环工作(如果它是一个合理的网络等,我没有测试)
作为附带说明,您可以通过使用将NLLLoss
和log\u softmax
组合在一起,这具有额外的数值稳定性。对于未来:请不仅报告引发的异常,还报告一些堆栈跟踪。我必须运行您的代码来获取上下文,这对任何回答的人来说都是很有帮助的,因为他们可以直接知道,在loss=criteria(output,lables)
中的第42行文件“so.py”中抛出了异常。:。如果这有助于任何人谁是寻找类似的解决办法,想说,我也有这个问题,我不得不使用加载器(课程tbh的一部分)。我环顾四周,发现了关于Github的现有讨论。请在下面找到它们:1。2.我尝试了以下方法。问题解决了