pytorch自己收集的数据模型训练遇到的几个问题

pytorch训练模型遇到的错误

错误一 ：RuntimeError: “nll_loss_forward_reduce_cuda_kernel_2d_index“ not implemented for ‘Int‘

​ 使用的是自己收集的数据，在计算损失函数时候标签的类型还是float32。

loss_fn = nn.CrossEntropyLoss()
loss = loss_fn(out, labels)

​ 修改后异常解决。

loss = loss_fn(out, labels,long())

错误二：RuntimeError: Given input size: (512x1x1). Calculated output size: (512x0x0)

​ 自己的图像是8×8的，而原模型输入都是255×25×3的，导致池化后输出就变成512×0×0，原模型是5个2×2的池化层，故删掉两层池化层最后的结果就可以了。

错误三：RuntimeError: CUDA error: device-side assert triggered

​ 我的labels是从1开始的，但计算交叉熵时候的标签要从0开始，所以对标签－1。

for i, data in enumerate(train, 0):
    inputs, labels = data
    inputs = inputs.to(device)

错误四：TypeError: ‘function’ object is not iterable

​ 我命名测试集变量名时使用“test”，结果一直报这个错误，而直接使用我的训练集”train“进行训练的时候就没有问题，查了各种资料都没有解决

​ 有一个博客中写道 “首先创建一个名为clean的变量，然后创建一个名为clean的函数，最后尝试在变量中使用该函数，两者都称为clean。当你定义一个函数时，你“销毁”了这个变量。他们一定有不同的名字。”

​ 我考虑到可能是我的变量名出了问题。

for i, data in enumerate(tests, 0):
    imgs, targets = data
    imgs = imgs.to(device)