pytorch踩坑记

最新推荐文章于 2023-09-10 11:10:31 发布

转载最新推荐文章于 2023-09-10 11:10:31 发布 · 201 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/webbery/p/10454173.html

文章标签：

#人工智能 #python

本文解析了PyTorch中卷积操作的参数理解误区，澄清了in_channel和out_channel的真实含义，并详细解释了loss函数中target/label的数据类型要求。同时，针对cross_entropy函数使用中常见的维度错误，提供了具体的排查方法和正确使用指导。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

因为我有数学物理背景，所以清楚卷积的原理。但是在看pytorch文档的时候感到非常头大，罗列的公式以及各种令人眩晕的下标让入门新手不知所云...最初我以为torch.nn.conv1d的参数in_channel/out_channel表示图像的通道数，经过运行错误提示之后，才知道[in_channel,kernel_size]构成了卷积核。

loss函数中target/label的类型必须是dtype=torch.long 。

在使用cross_entropy时出现了一个错误RuntimeError: Dimension out of range (expected to be in range of [-1, 0], but got 1)，查看functional.py的1550行中：
其中log_softmax(input, 1)指定了dim=1,而log_softmax实现如下：
排查之后发现，cross_entropy输入的矩阵行数需要等于taget/label的个数，即行对行。