具有多个值的 Tensor 的布尔值在 Pytorch 中不明确

Question

我想在pytorch中创建一个模型，但是我不能计算损失。总是 return Tensor 的 Bool 值 more 不止一个值不明确 实际上，我运行示例代码，它有效。

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

这是我的代码，

################################################################################
##
##
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"])

错误在Loss = CrossEntropyLoss(Pip, Train["Label"]), 谢谢。

Answer 1

在您的最小示例中，您创建了 class“CrossEntropyLoss”的对象“损失”。该对象能够将您的损失计算为

loss(input, target)

但是，在您的实际代码中，您尝试创建对象“Loss”，同时将 Pip 和标签传递给“CrossEntropyLoss”class 构造函数。相反，请尝试以下操作：

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

编辑（错误消息的解释）： 当您尝试将张量转换为布尔值时出现错误消息 Bool value of Tensor with more than one value is ambiguous。这种情况最常发生在将张量传递给 if 条件时，例如

input = torch.randn(8, 5)
if input:
    some_code()

CrossEntropyLoss class 构造函数的第二个参数需要一个布尔值。因此，在行

Loss = CrossEntropyLoss(Pip, Train["Label"])

构造函数将在某些时候尝试将传递的张量 Train["Label"] 用作布尔值，这会抛出上述错误消息。

Answer 2

您不能直接使用 class CrossEntropyLoss。你应该在使用它之前实例化它 class。

原代码：

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

应替换为：

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

Answer 3

首先实例化损失

L = CrossEntropyLoss()

然后计算损失

L(y_pred, y_true)

这将修复错误。

Answer 4

如果您是因为 pyplot 未正确显示您的张量图像而进入此页面，请使用 plt.imshow() 而不是 plt.show()

例如，而不是

plt.show(images[0].permute(1,2,0))

使用

plt.imshow(images[0].permute(1,2,0))

具有多个值的 Tensor 的布尔值在 Pytorch 中不明确

Bool value of Tensor with more than one value is ambiguous in Pytorch

python

torch