RuntimeError: 断言 `cur_target >= 0 && cur_target < n_classes' 失败答案

【问题标题】：RuntimeError: Assertion `cur_target >= 0 && cur_target < n_classes' failedRuntimeError: 断言 `cur_target >= 0 && cur_target < n_classes' 失败
【发布时间】：2019-09-22 16:00:23
【问题描述】：

我明白了：

RuntimeError: Assertion `cur_target >= 0 && cur_target

运行此代码时：

    criterion = nn.CrossEntropyLoss()
    #Define the optimizer
    optimizer=optim.SGD(net.parameters(),lr=0.01,momentum=0.9)
    epochs=20
    for epoch in range(epochs):
        print ("epoch #", epoch)
        running_loss=0.0
        for i, data in enumerate(train_loader,0):
            inputs,labels=data
            inputs,labels= inputs.to(device),labels.to(device)
            optimizer.zero_grad()   
            #train
            output=net(inputs)
            loss=criterion(output,labels)

    print ("loss: ", loss.item())
    running_loss+=loss.item()
    loss.backward()
    optimizer.step()
    print ('Finished Training')

【问题讨论】：

我面临同样的问题，但仍未解决。我也不知道怎么解决。
你没有指出这个模块来自哪个库。这在 Python 或 Anaconda 中不是问题，它在包含发出消息的代码的库中（快速谷歌搜索建议使用 Pytorch？）

标签： python python-3.x machine-learning pytorch cross-entropy

【解决方案1】：

例外情况是您的标签之一超出范围。也许他们从 1 而不是 0 开始？尝试打印出来。

【讨论】：

【解决方案2】：

我遇到了这个确切的错误（是的，它来自 Pytorch），我会发布我的解决方案，以防其他人可以从中受益。

我的错误是因为我只有 2 个输出到分类器，但数据有 3 个标签。

通过确保分类器给出 3 个类来修复。

【讨论】：