PyTorch训练时Target与Input尺寸不匹配问题求助

核心问题分析 #

你遇到的Target size (torch.Size([32])) must match Input size (torch.Size([3200]))错误，本质是模型输出的张量形状和标签（target）的张量形状不匹配。结合batch size=32来看，模型最后一层输出了3200个元素（通常是32×100的形状被展平成一维），而标签是每个样本对应1个标量（共32个）。

常见排查方向及解决方法 #

• 检查模型最后一层的输出维度
  交易模型多为回归或二分类任务，最后一层应输出与样本对应维度的结果：

  • 若为单值预测（比如涨跌幅度、是否上涨），最后一层输出特征数需设为1，例如nn.Linear(in_features=xxx, out_features=1)。
  • 若当前模型最后一层输出100个特征，会导致batch size=32时总输出元素数为32×100=3200，与标签的32个元素不匹配。

• 检查损失函数的输入要求
  以MSELoss为例，若模型输出是(32,100)、标签是(32)，需调整：

  • 优先修改模型输出为(32,1)，再用.squeeze()去掉多余维度，将形状转为(32)与标签对齐；
  • 若确认标签需对应多维度输出，需同步调整标签数据的形状，但你的场景下标签为单值，优先调整模型输出。

• 检查数据加载时的形状处理
  确认标签数据加载后为(batch_size,)的形状，同时模型输入处理无错误展平或扩充维度的操作。比如不要在模型前向传播中错误将(32, seq_len, features)展平为(3200)，应保留批量维度，最终输出(32,1)。

• 验证前向传播的输出形状
  在训练循环中加入临时打印，快速定位问题：

  outputs = model(inputs)
  print("模型输出形状:", outputs.shape)
  print("标签形状:", targets.shape)
  

示例修正代码片段 #

若模型最后一层输出维度错误，修改如下：

# 错误示例：最后一层输出100个特征
class TradingModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc = nn.Linear(512, 100)  # out_features设置错误

# 修正后：最后一层输出1个特征
class TradingModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc = nn.Linear(512, 1)  # 匹配单值标签

# 训练时可选去掉多余维度
outputs = model(inputs).squeeze()  # 从(32,1)转为(32)
loss = criterion(outputs, targets)

内容的提问来源于stack exchange，提问作者Žymantas Rastenis