损失函数Target size must be the same as input size-蒲公英云

损失函数Target size must be the same as input size

出错程序

criterion_modality = torch.nn.BCEWithLogitsLoss()
label = Variable(label.cuda())
loss = criterion_modality(outRGB, label) # 出错行

问题

File "C:\Users\Rain\AppData\Local\Programs\Python\Anaconda.3.5.1\envs\python35\python35\lib\site-packages\torch\nn\modules\module.py", line 491, in __call__
    result = self.forward(*input, **kwargs)
  File "C:\Users\Rain\AppData\Local\Programs\Python\Anaconda.3.5.1\envs\python35\python35\lib\site-packages\torch\nn\modules\loss.py", line 500, in forward
    reduce=self.reduce)
  File "C:\Users\Rain\AppData\Local\Programs\Python\Anaconda.3.5.1\envs\python35\python35\lib\site-packages\torch\nn\functional.py", line 1514, in binary_cross_entropy_with_logits
    raise ValueError("Target size ({}) must be the same as input size ({})".format(target.size(), input.size()))
ValueError: Target size (torch.Size([32])) must be the same as input size (torch.Size([32, 2]))

在这里插入图片描述

原因

input 和 target 尺寸不匹配，参见官网
在这里插入图片描述

解决办法

换成支持输入input 和输出output尺度不匹配的损失函数，torch只有如下损失函数符合要求
交叉熵损失函数（推导过程）–样例
负对数似然损失函数
评价相似度的损失
三元组损失函数
暴力解法，直接 reshape(input) 改变数组的形状，强制 input 形状为 output 的形状，不要觉得仿佛丢失了什么信息量，但实际没有丢失关键特征，不会影响实验效果，前提是reshape参数调好