使用torch.nn.CrossEntropyLoss时多目标张量报错求助

首先明确两个关键矛盾和错误点：

1. 你提到“二分类任务”但要求模型输出4个logits对应4类概率，这两者不匹配——二分类只需要2个logits，4个logits对应4分类任务。
2. torch.nn.CrossEntropyLoss()不支持one-hot格式的目标张量，它要求目标是1D的类别索引（每个元素是0到类别数-1的整数），而你的target.shape = torch.Size([1,2])是one-hot格式，这是报错的直接原因。

针对不同任务的解决方案 #

情况1：实际是4分类任务（输出4个logits） #

你的模型输出[1,4]对应4个类别，此时需要将目标张量转换为1D的类别索引：

• 如果你的graphs.y是4分类的one-hot编码（应为[1,4]维度，可能你描述有误），用torch.argmax()提取类别索引：

  # 假设graphs.y是[batch_size, 4]的one-hot张量
  target = torch.argmax(graphs.y, dim=1)  # 得到[batch_size,]的1D张量
  loss = criterion(out, target)
  

• 如果你的graphs.y确实是[1,2]维度，说明数据标注或预处理错误，需要修正目标张量为4分类对应的类别索引（0-3）。

情况2：实际是二分类任务 #

此时模型输出应该调整为[1,2]（2个logits），同时处理目标张量：

• 如果目标是one-hot格式[1,2]，转换为类别索引：

  target = torch.argmax(graphs.y, dim=1)  # 得到[1,]的1D张量
  loss = criterion(out, target)
  

• 或者直接使用torch.nn.BCEWithLogitsLoss()（适配二分类的one-hot目标），无需转换目标格式：

  criterion = nn.BCEWithLogitsLoss()
  # 模型输出需调整为[1,1]或[1,2]，对应单标签/多标签二分类
  loss = criterion(out, graphs.y.float())
  

为什么你之前的尝试无效？ #

• graphs.y.squeeze：把[1,2]变成[2,]，但这仍然是包含2个元素的张量，不是类别索引，CrossEntropyLoss仍会判定为多目标。
• torch.max(graphs.y, 1)[0]：提取的是one-hot中的最大值（比如1），而非类别索引（0或1），目标元素值不符合损失函数的要求。

内容的提问来源于stack exchange，提问作者Tony Sirico