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 device type cuda but got device type cpu for argument #2 'mat2' in call to _th_bmm_out

这个错误通常是由于在CUDA设备上执行操作时，输入的张量不在CUDA设备上引起的。根据错误消息，这里的问题是第二个输入张量没有被正确地移动到CUDA设备上。

要解决这个问题，你可以使用`.to()`方法将张量移动到正确的设备上，比如将第二个输入张量移动到CUDA设备上。下面是一个示例代码：

import torch

# 创建一个CPU上的张量
tensor1 = torch.randn(3, 4)

# 创建一个CUDA上的张量
tensor2 = torch.randn(4, 5).cuda()

# 将第一个张量移动到CUDA设备上
tensor1 = tensor1.cuda()

# 执行矩阵乘法操作
result = torch.mm(tensor1, tensor2)

在这个例子中，我们首先将`tensor1`移动到CUDA设备上，然后执行矩阵乘法操作。确保两个张量都在合适的设备上应该可以解决这个问题。