RuntimeError: Expected object of scalar type Long but got scalar type Float for argument #2 'target' in call to _thnn_nll_loss2d_forward

这个错误提示是因为在使用nn.CrossEntropyLoss()时，标签的数据类型应该是long型，而你的标签数据类型是float型。可以使用以下方式将标签的数据类型转换为long型：

target = target.long()

将标签的数据类型转换为long型后，就可以正常使用nn.CrossEntropyLoss()计算损失了。例如：

import torch.nn as nn

model = Unet(num_classes=3)  # 假设分类数量为3
criterion = nn.CrossEntropyLoss()

# 假设输入图像为(batch_size, 3, 128, 128, 128)，标签为(batch_size, 128, 128, 128)
output = model(input)
target = target.long()  # 将标签的数据类型转换为long型
loss = criterion(output, target)

相关问题

runtimeerror: expected object of scalar type long but got scalar type float for argument #2 'target' in call to _thnn_nll_loss_forward

这个错误通常表示您正在使用 PyTorch 中的交叉熵损失函数，并且您的目标张量（即正确的标签）中包含浮点数。但是，交叉熵损失函数期望目标张量中的元素是整数。因此，您需要将目标张量转换为整数类型。

您可以使用以下代码将目标张量转换为整数类型：

target = target.long()

如果您正在使用 DataLoader 加载数据，则可以在创建 DataLoader 时设置 `dtype` 参数以确保目标张量被正确加载为整数类型：

data_loader = DataLoader(dataset, batch_size=32, shuffle=True, num_workers=4, pin_memory=True, dtype=torch.long)

希望这可以帮助您解决问题！

RuntimeError: Expected object of scalar type Float but got scalar type Double for argument #2 'mat1' in call to _th_addmm

这个错误的原因是你使用了不同类型的张量进行运算。在PyTorch中，有两种类型的张量：FloatTensor和DoubleTensor。FloatTensor使用单精度浮点数，而DoubleTensor使用双精度浮点数。在你的代码中，你可能将一个DoubleTensor类型的张量传递给了一个期望FloatTensor类型的函数，导致了这个错误。你需要将这个张量转换为FloatTensor类型，可以使用`.float()`方法进行转换。