在 Pytorch 中对多维样本批次正确使用 `CrossEntropyLoss`

如何解决在 Pytorch 中对多维样本批次正确使用 `CrossEntropyLoss`

我正在尝试像这样训练 LSTM 进行每帧分类

let property = dict.find((e) => e.name === eventKey)?.prop ?? ''
changeProp(property);

哪里self._lstm1 = nn.LSTM(input_size=16,hidden_size=50,num_layers=1,batch_first=True) self._log_probs = nn.Linear(50,4) self._criterion = nn.CrossEntropyLoss(reduction='mean',weight=self._class_weights_map)

训练到达线

self._class_weights_map == tensor([0.1340,0.1181,0.0000,0.7479],device='cuda:0',dtype=torch.float64)

where label_batch_int = torch.argmax(label_batch_one_hot.squeeze(),dim=-1) loss = self._criterion(log_probs,label_batch_int) [每批次 16 个样本，每个样本 10 帧，每帧 4 个对数概率]。因此 label_batch_one_hot.shape == (16,10,4) [每批次 16 个样本，每个样本 10 个预测整数，每个整数在 0 到 3 的范围内

哪里label_batch_int.shape == (16,10)

然后将条件输入 log_probs.shape == (16,4) 和 log_probs.shape == (16,4) 并给出

label_batch_int.shape == (16,10)

---

如何在这种每批次多样本的情况下正确使用 {ValueError}Expected target size (16,4),got torch.Size([16,10]) ？