由于使用pyro和pytorch的样品中存在多类分布，因此在svi步骤中出现错误

如何解决由于使用pyro和pytorch的样品中存在多类分布，因此在svi步骤中出现错误

我正在研究一种因果变化型自动编码器，该编码器使用类分割掩码，类标签和因果关系（0或1）作为输入。

由于svi步骤，使用大于1的批处理大小时出现错误。我之所以使用bernoulling函数，是因为我希望它学习图像中多个类别的概率分布。我认为分类分布也很适合这里，但是我也遇到同样的错误。

当我尝试缩小造成问题的代码行时，我认为它在模型函数中：

one_vec2 = torch.ones([batch_size,self.lbl_shape[0]],**options)
class_labels = pyro.sample('class_labels',dist.Bernoulli(one_vec2*0.5),obs = lbls)      

错误：

ValueError                                Traceback (most recent call last)
<ipython-input-19-8cbc046dd2c1> in <module>()
      6 vae = Vae_Model1(lbl_sz,ch,img_sz).to(device)
      7 svi = SVI(vae.model,vae.guide,optimizer,loss = Trace_ELBO())
----> 8 train(svi,train_loader,USE_CUDA)

6 frames
/usr/local/lib/python3.6/dist-packages/pyro/util.py in check_site_shape(site,max_plate_nesting)
    320                 '- enclose the batched tensor in a with plate(...): context',321                 '- .to_event(...) the distribution being sampled',--> 322                 '- .permute() data dimensions']))
    323 
    324     # Check parallel dimensions on the left of max_plate_nesting.

ValueError: at site "class_labels",invalid log_prob shape
  Expected [-1],actual [32,21]
  Try one of the following fixes:
  - enclose the batched tensor in a with plate(...): context
  - .to_event(...) the distribution being sampled
  - .permute() data dimensions

当前批处理大小为32，lbl_shape [0]为21（VOC数据集（背景标签和其他标签））

有人可以帮我吗？非常感谢。 谢谢