F:\Python_Projects\FSA\fsa_methods.py:66: UserWarning: Casting complex values to real discards the imaginary part (Triggered internally at C:\cb\pytorch_1000000000000\work\aten\src\ATen\native\Copy.cpp:250.) pha_unwrap = torch.fft.ifft2(torch.complex(fft_clone[:, :, :, :, 0], fft_clone[:, :, :, :, 1]), Traceback (most recent call last): File "train_ext.py", line 459, in <module> train(epoch) File "train_ext.py", line 340, in train loss_id = criterion_id(out0, labels) File "C:\Users\Tom\.conda\envs\pytorch_gpu\lib\site-packages\torch\nn\modules\module.py", line 1194, in _call_impl return forward_call(*input, **kwargs) File "C:\Users\Tom\.conda\envs\pytorch_gpu\lib\site-packages\torch\nn\modules\loss.py", line 1174, in forward return F.cross_entropy(input, target, weight=self.weight, File "C:\Users\Tom\.conda\envs\pytorch_gpu\lib\site-packages\torch\nn\functional.py", line 3026, in cross_entropy return torch._C._nn.cross_entropy_loss(input, target, weight, _Reduction.get_enum(reduction), ignore_index, label_smoothing) RuntimeError: "nll_loss_forward_reduce_cuda_kernel_2d_index" not implemented for 'Int'

这个警告和错误提示给出了一些有用的信息。

警告提示你正在将复数值转换为实数值，丢失了虚数部分。这可能会导致你的结果不准确。你需要查看代码并确定是否需要保留虚数部分。

错误提示你的 `nll_loss` 函数输入有问题，它期望的张量类型应该是浮点型，而你传递了一个整型张量。你可以尝试将整型张量转换为浮点型张量。在 PyTorch 中，你可以使用 `.float()` 方法进行转换。例如：

import torch

# 创建整数类型的张量
x = torch.tensor([1, 2, 3], dtype=torch.int)

# 将整数类型的张量转换为浮点型张量
x = x.float()

# 使用 nll_loss 函数
loss = torch.nn.functional.nll_loss(x, ...)

如果你仍然遇到问题，请提供更多的上下文和代码，以便更好地帮助你解决问题。