ValueError：目标和输入必须具有相同数量的元素。目标 nelement (50) != 输入 nelement (100)

Question

我是 Pytorch 的新手，所以我尝试通过创建简单的狗与猫分类来学习它。 代码：

class DogCatClassifier(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 32, 5)
        self.conv2 = nn.Conv2d(32, 64, 5)
        self.conv3 = nn.Conv2d(64, 128, 5)

        self.fc1 = nn.Linear(512, 256)
        self.fc2 = nn.Linear(256, 2)

    def forward(self, x):
        x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
        print("1-st: ", x.shape)

        x = F.max_pool2d(F.relu(self.conv2(x)), (2, 2))
        print("2-nd: ", x.shape)

        x = F.max_pool2d(F.relu(self.conv3(x)), (2, 2))
        print("3-rd: ", x.shape)

        x = torch.flatten(x, start_dim=1)

        x = F.relu(self.fc1(x))
        print("6-th: ", x.shape)

        x = self.fc2(x)  # bc this is our output layer. No activation here.
        print("7-th: ", x.shape)

        x = F.sigmoid(x)
        print("8-th: ", x.shape)

        return x

我传递的是单批数据（数据形状为(50, 1, 50, 50)

model = DogCatClassifier()

images, labels = next(iter(train_loader))

preds = model(images)
print(pred)

loss = F.binary_cross_entropy(preds, labels)

我的预测形状是 (50, 2)，所以据我了解，F.binary_cross_entropy(preds, labels) 检查来自单个图像的两个预测，这就是为什么我针对 50 个标签得到 100 个预测。来自 tensorflow，我认为我可以实现相同的逻辑，例如使用 sigmoid 作为最后一次激活，使用 binary_cross_entropy 作为损失函数。我不明白的是如何使这段代码工作。

Answer 1

您的问题出现是因为您使用的是二元交叉熵而不是常规交叉熵。顾名思义，它会检查标签是否正确，因此两个张量（代码中的预测和标签）的形状应该相同。当您对两个类都充满信心时，BCE 损失函数会变得混乱并且代码崩溃。你可以做两件事：

1- 更改为 F.cross_entropy(preds, label) 作为您的损失函数。

2- 更改代码以选择最大值作为目标。

  pred = pred.argmax(dim=1, keepdim=True) # gets the max value

让我知道这是否有效，如果无效，请更新新错误。