[debug] RuntimeError: “nll_loss_forward_reduce_cuda_kernel_2d_index“ not implemented for ‘Int‘_runtimeerror: "nll_loss_forward_red

相关文章推荐
老实的水龙头 · HTML点击按钮button跳转页面的几种实 ...· 1 年前 ·
独立的脆皮肠 · 为什么出现“initializer ...· 1 年前 ·
慷慨的鼠标垫 · TypeScript: error ...· 1 年前 ·
冷冷的草稿本 · snakeyaml loadas-掘金· 1 年前 ·
性感的镜子 · grep ...· 1 年前 ·
Traceback (most recent call last):
  File "/home/hgx/pycharm-2020.1.3/plugins/python/helpers/pydev/_pydevd_bundle/pydevd_exec2.py", line 3, in Exec
    exec(exp, global_vars, local_vars)
  File "<input>", line 1, in <module>
  File "/home/hgx/anaconda3/envs/bytetrack/lib/python3.7/site-packages/torch/nn/modules/module.py", line 1102, in _call_impl
    return forward_call(*input, **kwargs)
  File "/home/hgx/anaconda3/envs/bytetrack/lib/python3.7/site-packages/torch/nn/modules/loss.py", line 1152, in forward
    label_smoothing=self.label_smoothing)
  File "/home/hgx/anaconda3/envs/bytetrack/lib/python3.7/site-packages/torch/nn/functional.py", line 2846, in cross_entropy
    return torch._C._nn.cross_entropy_loss(input, target, weight, _Reduction.get_enum(reduction), ignore_index, label_smoothing)
RuntimeError: "nll_loss_forward_reduce_cuda_kernel_2d_index" not implemented for 'Int'
数据类型导致的错误 
进行数据类型转换 
id_targets = id_targets.to(torch.int64)     # TODO: ReID. [matched_anchor], float16 to int
                    [debug] RuntimeError: “nll_loss_forward_reduce_cuda_kernel_2d_index“ not implemented for ‘Int‘
                    问题描述在使用nn.CrossEntropyLoss时出现报错：loss_id = self.IDLoss(id_preds, id_targets)Traceback (most recent call last):  File "/home/hgx/pycharm-2020.1.3/plugins/python/helpers/pydev/_pydevd_bundle/pydevd_exec2.py", line 3, in Exec    exec(exp, global_vars, lo
报错[debug] RuntimeError: “nll_loss_forward_reduce_cuda_kernel_2d_index“ not implemented for ‘float‘
看报错内容应该是类型问题，查阅pytorch官网CrossEntropyLoss — PyTorch 1.11.0 documentationhttps://pytorch.org/docs/stable/generated/
				我们为大型强子对撞机运行II中的成对产生的壁虎和胶合糖的横截面提供了最新的预测。 首先，我们使用NNPDF3.0NLO全局分析更新基于NLO + NLL子截面的计算。 这项研究包括对来自高阶，PDF和强耦合的理论不确定性的全面描述。 然后，我们探索使用NLO + NLL阈值恢复来计算最近的NNPDF3.0 PDF的含义。 我们发现，由阈值改进的PDF导致的结果偏移在基于NLO PDF的计算的总理论不确定性范围内。 但是，我们还观察到，NLO + NLL横截面的中心值以定性和定量方式进行了修改，说明了使用阈值改进的PDF和恢复的部分截面的相关性和影响。 基于NNPDF3.0NLO的更新的NLO + NLL横截面以NLL-fast格式公开提供，并且应该是解释运行II中对超对称粒子的解释的重要成分。
				运行pytorch在计算cross_entropy的loss遇到报错
RuntimeError: "nll_loss_forward_reduce_cuda_kernel_2d_index" not implemented for 'Int'`
原因是pytorch自带的损失计算函数不支持原本的标签1,2,3,4…,n,需要转换成网络需要的one_hot编码才行
具体代码如下
 one_hot = torch.zeros(np.array(batch_size, num_class, device=tor
针对情况二，可以利用函数scatter函数，详见官方说明https://blog.csdn.net/duan_zhihua/article/details/82556676
目标 [batch_size, h, w]
输入的目标矩阵，每个像素必须是类型.举个例子。第一个像素是0，代表着类别属于输入的第1个通道；第二个像素是0，代表着类别属于输入的第0个通道，以此类推。
x = Variable(torch.Tensor([[[1, 2, 1],
       [2, 2, 1],
       [0, 1, 1]],
       [[0, 1, 3],
				在PyTorch中遇到了如标题的问题，网上大多数给的是类型不匹配问题，在stackoverflow找到了问题的答案，这里出现的问题是因为loss需要one-hot类型的数据，而我们使用的是类别标签。
什么是one-hot？
一个例子解释什么是one-hot，对于5分类问题，我们使用[0,0,1,0,0]来表示这个实例是属于第三个类别的，等价于类别标签[2]（从0对类别编码）。关于one-hot的好...
					RuntimeError: "nll_loss_forward_reduce_cuda_kernel_2d_index" not implemented for 'Int'
				这个错误通常是由于数据类型不匹配导致的。在 PyTorch 中，`nll_loss` 函数的输入参数通常是浮点数类型的张量，而不是整数类型的张量。
你可以尝试将输入张量转换为浮点数类型，例如使用 `.float()` 方法将整数类型的张量转换为浮点数类型的张量：
```python
import torch
# 创建一个整数类型的张量
x = torch.tensor([1, 2, 3], dtype=torch.int)
# 将整数类型的张量转换为浮点数类型的张量
x = x.float()
# 使用 nll_loss 函数对张量进行计算
loss = torch.nn.functional.nll_loss(x, ...)
如果你仍然遇到问题，请提供更多的上下文和代码，以便更好地帮助你解决问题。