Значение Bool для Tensor с более чем одним значением в Pytorch неоднозначно
Я хочу создать модель в pytorch, но не могу вычислить убыток. Всегда возвращается Булево значение Tensor с дополнительными чем одно значение неоднозначно Собственно, я запускаю пример кода, он работает.
loss = CrossEntropyLoss()
input = torch.randn(8, 5)
input
target = torch.empty(8,dtype=torch.long).random_(5)
target
output = loss(input, target)
Вот мой код,
################################################################################
##
##
import torch
from torch.nn import Conv2d, MaxPool2d, Linear, CrossEntropyLoss, MultiLabelSoftMarginLoss
from torch.nn.functional import relu, conv2d, max_pool2d, linear, softmax
from torch.optim import adadelta
##
##
## Train
Train = {}
Train["Image"] = torch.rand(2000, 3, 76, 76)
Train["Variable"] = torch.rand(2000, 6)
Train["Label"] = torch.empty(2000, dtype=torch.long).random_(2)
##
##
## Valid
Valid = {}
Valid["Image"] = torch.rand(150, 3, 76, 76)
Valid["Variable"] = torch.rand(150, 6)
Valid["Label"] = torch.empty(150, dtype=torch.long).random_(2)
################################################################################
##
##
## Model
ImageTerm = Train["Image"]
VariableTerm = Train["Variable"]
Pip = Conv2d(in_channels=3, out_channels=32, kernel_size=(3,3), stride=1, padding=0)(ImageTerm)
Pip = MaxPool2d(kernel_size=(2,2), stride=None, padding=0)(Pip)
Pip = Conv2d(in_channels=32, out_channels=64, kernel_size=(3,3), stride=1, padding=0)(Pip)
Pip = MaxPool2d(kernel_size=(2,2), stride=None, padding=0)(Pip)
Pip = Pip.view(2000, -1)
Pip = torch.cat([Pip, VariableTerm], 1)
Pip = Linear(in_features=18502, out_features=1000 , bias=True)(Pip)
Pip = Linear(in_features=1000, out_features=2 , bias=True)(Pip)
##
##
## Loss
Loss = CrossEntropyLoss(Pip, Train["Label"])
Ошибка на Loss = CrossEntropyLoss (Pip, Train ["Label"]), Благодарю.
Ответы 3
В вашем минимальном примере вы создаете объект «потеря» класса «CrossEntropyLoss». Этот объект может вычислить ваши потери как
loss(input, target)
Однако в вашем фактическом коде вы пытаетесь создать объект «Loss», передавая Pip и метки конструктору класса «CrossEntropyLoss». Вместо этого попробуйте следующее:
loss = CrossEntropyLoss()
loss(Pip, Train["Label"])
Изменить (объяснение сообщения об ошибке): Сообщение об ошибке Bool value of Tensor with more than one value is ambiguous появляется, когда вы пытаетесь преобразовать тензор в значение типа bool. Чаще всего это происходит при передаче тензора в условие если, например.
input = torch.randn(8, 5)
if input:
some_code()
Второй аргумент конструктора класса CrossEntropyLoss ожидает логическое значение. Таким образом, в строке
Loss = CrossEntropyLoss(Pip, Train["Label"])
конструктор в какой-то момент попытается использовать переданный тензор Train["Label"] в качестве логического, что выдает указанное сообщение об ошибке.
было бы неплохо, если бы вы где-нибудь сослались на то, что на самом деле означает эта ошибка
Вы не можете использовать класс CrossEntropyLoss напрямую. Вы должны создать экземпляр этого класса перед его использованием.
исходный код:
loss = CrossEntropyLoss(Pip, Train["Label"])
следует заменить на:
loss = CrossEntropyLoss()
loss(Pip, Train["Label"])
Первая фактическая потеря
L = CrossEntropyLoss()
Затем вычислите потерю
L(y_pred, y_true)
Это исправит ошибку.
похожие сообщения: - stackoverflow.com/questions/52946920/… - Discussion.pytorch.org/t/… - Discussion.pytorch.org/t/… - Discussion.pytorch.org/t/…