Traceback (most recent call last): File "/home/adminis/hpy/ConvNextV2_Demo/train+ca.py", line 279, in <module> train_loss, train_acc = train(model_ft, DEVICE, train_loader, optimizer, epoch,model_ema) File "/home/adminis/hpy/ConvNextV2_Demo/train+ca.py", line 46, in train loss = torch.nan_to_num(criterion_train(output, targets)) # 计算loss File "/home/adminis/anaconda3/envs/wln/lib/python3.9/site-packages/torch/nn/modules/module.py", line 1051, in _call_impl return forward_call(*input, **kwargs) File "/home/adminis/hpy/ConvNextV2_Demo/models/utils.py", line 622, in forward index.scatter_(1, target.unsqueeze(1).type(torch.int64), 1) # target.data.view(-1, 1). RuntimeError: Index tensor must have the same number of dimensions as self tensor

根据您提供的代码和报错信息，可以看到出现错误的地方是：

index.scatter_(1, target.unsqueeze(1).type(torch.int64), 1)

错误信息是：`Index tensor must have the same number of dimensions as self tensor`，说明 `index` 和 `target` 的维度不匹配。

根据您的代码，`index` 和 `target` 的维度应该是一样的，都是 `(batch_size, num_classes)`，因此可以检查一下 `index` 的维度是否正确。如果 `index` 的维度不正确，可以重新计算 `cls_num_list` 和 `m_list`，然后重新初始化 `LDAMLoss`。

如果 `index` 的维度正确，可以尝试将 `target` 转换为 `torch.long` 类型，然后再进行 `unsqueeze` 操作。修改后的代码如下：

index.scatter_(1, target.unsqueeze(1).type(torch.long), 1)

如果您的问题仍然没有解决，可以提供更多的信息，我会尽力帮助您解决问题。