Булевое значение Tensor с более чем одним значением неоднозначно в Pytorch - PullRequest
Новая
       12

Булевое значение Tensor с более чем одним значением неоднозначно в Pytorch

0 голосов
/ 23 октября 2018

Я хочу создать модель в pytorch, но не могу вычислить потери.Это всегда возвращает Bool значение Tensor с более чем одним значением неоднозначно На самом деле, я запускаю пример кода, это работает. 

loss = CrossEntropyLoss()
input = torch.randn(8, 5)
input
target = torch.empty(8,dtype=torch.long).random_(5)
target
output = loss(input, target)

Вот мой код, 

################################################################################
##
##
import torch
from torch.nn import Conv2d, MaxPool2d, Linear, CrossEntropyLoss, MultiLabelSoftMarginLoss
from torch.nn.functional import relu, conv2d, max_pool2d, linear, softmax
from torch.optim import adadelta
##
##
##  Train
Train = {}
Train["Image"]    = torch.rand(2000, 3, 76, 76)
Train["Variable"] = torch.rand(2000, 6)
Train["Label"] = torch.empty(2000, dtype=torch.long).random_(2)
##
##
##  Valid
Valid = {}
Valid["Image"]    = torch.rand(150, 3, 76, 76)
Valid["Variable"] = torch.rand(150, 6)
Valid["Label"]    = torch.empty(150, dtype=torch.long).random_(2)
################################################################################
##
##
##  Model
ImageTerm    = Train["Image"]
VariableTerm = Train["Variable"]
Pip = Conv2d(in_channels=3, out_channels=32, kernel_size=(3,3), stride=1, padding=0)(ImageTerm)
Pip = MaxPool2d(kernel_size=(2,2), stride=None, padding=0)(Pip)
Pip = Conv2d(in_channels=32, out_channels=64, kernel_size=(3,3), stride=1, padding=0)(Pip)
Pip = MaxPool2d(kernel_size=(2,2), stride=None, padding=0)(Pip)
Pip = Pip.view(2000, -1)
Pip = torch.cat([Pip, VariableTerm], 1)
Pip = Linear(in_features=18502, out_features=1000 , bias=True)(Pip)
Pip = Linear(in_features=1000, out_features=2 , bias=True)(Pip)
##
##
##  Loss
Loss = CrossEntropyLoss(Pip, Train["Label"])

Ошибка на Потеря = CrossEntropyLoss (Pip, Train ["Label"]) , спасибо.

1 Ответ

0 голосов
/ 23 октября 2018

В вашем минимальном примере вы создаете объект "потери" класса "CrossEntropyLoss".Этот объект может вычислить вашу потерю как 

loss(input, target)

Однако в вашем реальном коде вы пытаетесь создать объект «Потеря», передавая Pip и метки конструктору класса «CrossEntropyLoss».Вместо этого попробуйте следующее: 

loss = CrossEntropyLoss()
loss(Pip, Train["Label"])
...