修改PointNet++分割模型类别至17类后触发断言错误求助

核心错误根源 #

触发Assertion t >=0 && t <n_classes的本质是训练数据里的标签值超出了17类的合法范围——17类的标签索引应该是0~16，但你的数据中存在小于0或者大于等于17的标签，导致ClassNLLCriterion计算损失时触发断言。后面的CUDA Runtime Error是这个断言失败引发的连锁报错，根源不在feature_transform_reguliarzer的CUDA调用上。

排查修复步骤 #

• 检查数据集标签范围：遍历训练/验证数据的标签，统计所有标签值的分布，确认是否存在超出0~16的数值。大概率是新增的4类标签没有正确映射到13~16区间，或者原13类标签转换时出现了偏移错误。
• 核对标签预处理逻辑：检查数据加载的dataset类代码，确保所有标签都被正确归一化到0~16。比如原13类是0~12，新增的4类必须对应13~16，不能出现跳变或越界。
• 确保num_classes全局一致：
  • 检查模型最后一层输出维度是否确实是17（比如最后一个卷积/全连接层的输出通道数）
  • 确认损失函数的num_classes参数同步设为17，部分自定义损失需要手动指定类别数
  • 检查权重加载逻辑，确保新的17类权重完全覆盖旧参数，没有残留的13类维度数据
• CPU调试快速定位异常样本：临时把模型和数据切换到CPU训练，这样断言错误会抛出明确的Python级报错，直接指出哪个样本的标签出问题，方便快速定位。

临时调试代码示例 #

可以在数据加载的__getitem__方法里加标签校验：

def __getitem__(self, index):
    # 原数据加载逻辑
    target = ... # 你的标签加载代码
    # 新增标签检查
    assert torch.all(target >= 0) and torch.all(target < 17), f"发现非法标签: {target}"
    return ...

内容的提问来源于stack exchange，提问作者sheng1_2