【pytorch】RuntimeError: 1only batches of spatial targets supported (3D tensors) but got targets of si

every blog every motto: Just live your life cause we don’t live twice.
https://blog.csdn.net/weixin_39190382?spm=1010.2135.3001.5343

0. 前言

在用pytorch训练网络，计算损失时，遇到错误

1. 正文

1.1 错误回顾

RuntimeError: 1only batches of spatial targets supported (3D tensors) but got targets of size: : [2, 10, 256, 256]

上面显示，希望传入一个3维Tensor，结果得到了一个4维的。
代码：

# 损失函数
c_loss = nn.CrossEntropyLoss()
print('预测值：', d0.shape)  
print('标签值： ', labels_v.shape)  

loss0 = c_loss(d0, labels_v.long())

shape：

说明：

1. pytorch中Tensor是以 （batch,channel,height,width） 这种方式存储的。
2. 而在Tensorflow中是以 （batch,height,width,channel） 这种方式存储的。

---

按照Tensorflow/keras的中计算损失的思维，预测值和标签值的shape是一样的应该可以计算损失才对，为什么会报错呢？？？
难道pytorch只能计算3维的Tensor???
其实不然……

1.2 解决办法

pytorch和Tensorflow在损失函数计算方面是有细微差别的。
在我们的（十分类）任务中，类似这样：

1.2.1 Tensorflow中

模型训练：

标签one-hot编码：

通过这两步，我们就可以计算标签和模型产生的预测结果之间的损失了。

1.2.2 pytorch中

在Pytorch中，我们“不需要”对标签进行one-hot编码，且需要将通道这一维给压缩了。
即：
预测值：（256,256,10）
标签值：（256,256）
即可以直接进行计算损失。
其中，标签中的值为对应的类别数
如下图所示，我们即可以进行损失的计算了

参考文献

[1] https://discuss.pytorch.org/t/runtimeerror-only-batches-of-spatial-targets-supported-3d-tensors-but-got-targets-of-dimension-4/82098
[2] https://discuss.pytorch.org/t/runtimeerror-1only-batches-of-spatial-targets-supported-3d-tensors-but-got-targets-of-size-1-3-96-128/95030/4
[3] https://pytorch.org/docs/stable/generated/torch.nn.NLLLoss.html
[4] https://www.cnblogs.com/gshang/p/13854889.html
[5] https://jianzhuwang.blog.csdn.net/article/details/110955851