for i, (inputs, labels) in enumerate(train_loader): optimizer.zero_grad() outputs = model(inputs) loss = criterion(outputs, labels) loss.backward() optimizer.step() running_loss += loss.item()改写

你可以将这段代码改写为：

for i, data in enumerate(train_loader):
    inputs, labels = data
    optimizer.zero_grad()
    outputs = model(inputs)
    loss = criterion(outputs, labels)
    loss.backward()
    optimizer.step()
    running_loss += loss.item()

这样就可以避免出现"ValueError: too many values to unpack"的错误了。在这个版本中，我们直接从dataloader中获取数据，并且使用inputs和labels直接引用data元组中的元素。