我知道这可能在某个地方讨论过，但我找不到它。当在目标和标签之间使用pytorch时，我总是有一个形状的missmatch。对于64的批量大小，我会得到[64, 1]的目标和[64]的标签。我总是在损失函数中使用label.view(-1, 1)来解决这个问题。
我想知道是否有一个“最好的方法”来解决这个问题。因为我也可以使用target.view(-1)来获得相同的结果。或者我甚至可以将网络中的输出更改为output.view(-1)。也许使用像.reshape()这样的东西也更好？
错误匹配可能来自dataloader内部，它将y_train，y_test作为Series而不是dataframe（从y = X.pop(target_name)开始）。因此执行y_train.values将给予一个1D数组。我应该在这里修复它吗？
我很高兴任何形式的反馈：）如果需要，我也可以提供一个过程的小例子，但我认为这个问题也应该工作，因为它是一个一般性的问题。
1条答案
按热度按时间ars1skjm1#
可能有一些损失函数沿着某个维度聚合，在这种情况下，维度的数量可能很重要，但在大多数情况下，这可能不是真的（即，在分类任务中，这可能大多是真的，其中pytorch损失函数对输入的维度和格式有些特殊）。
也就是说，在较低级别上，pytorch是用C后端实现的，并对某些维度沿着的向量操作进行了优化（例如参见channels first vs channels last computation）。我怀疑从计算时间的Angular 来看，任何此类影响都可以忽略不计。除非你的损失函数本身是计算量很大的输入维度。如果您想探索哪种操作最快，可以测试查看和重塑操作以获得不同的最终形状。
使用view或reshape都可以，显著的区别是
view在输入不连续时会抛出异常，而reshape则会优雅地处理这种情况。通常，您可以考虑以下问题：1.在重新构造以匹配维度的过程中，我是否执行任何不可微的操作/在pytorch中没有实现梯度？（显然这些会破坏计算图）。
view和reshape的平凡梯度为1，即它们不会改变梯度。如果你不做这些事情，你的最终整形步骤是好的，虽然可能永远-略低于最佳的计算速度。