用户保存：使用与输入大小不同的目标大小（TORCH.SIZE（[1]））（TORCH.SIZE（[1，1]））

Question

我有此代码：

actual_loes_score_g = actual_loes_score_t.to(self.device, non_blocking=True)

predicted_loes_score_g = self.model(input_g)

loss_func = nn.L1Loss()
loss_g = loss_func(
    predicted_loes_score_g,
    actual_loes_score_g,
)

其中 prediction_loes_score_g is tensor（[[[ - 24.9374]]，grad_fn =＆lt; addmmbackward0＆gt;） and code> and mauth_loes_score_score_gore_g is 张量（[20。]，dtype = Torch.float64）。 （我将批次大小用于调试目的。）

我收到此警告：

火炬/nn/模块/损失。 。这可能会导致由于广播而导致不正确的结果。请确保它们的尺寸相同。

如何正确确保它们的尺寸相同？

我认为这可能是答案：

predicted_loes_score = predicted_loes_score_g.detach()[0]
loss_g = loss_func(
    predicted_loes_score,
    actual_loes_score_g,
)

但是后来我会遇到此错误：

torch/autograd/__init__.py", line 154, in backward
    Variable._execution_engine.run_backward(
RuntimeError: element 0 of tensors does not require grad and does not have a grad_fn

Answer 1

predicted_loes_score_g = tensor([[-24.9374]], grad_fn=<AddmmBackward0>)

这是大小[1,1]的

actual_loes_score_g = tensor([20.], dtype=torch.float64)

大小[1]，

您需要从预测中删除维度或在目标中添加尺寸。我会推荐后者，因为该额外的尺寸与您的批量大小相对应。尝试以下操作：

actual_loes_score_g =  actual_loes_score_g.unsqueeze(1)