PyTorch新手求助：损失函数出现RuntimeError类型转换问题

运行代码时触发RuntimeError: result type Float can't be cast to the desired output type Long，尝试将数据转为LongTensor后又出现RuntimeError: mat1 and mat2 must have the same dtype，以下是问题原因和解决方法：

错误信息 #

RuntimeError                              Traceback (most recent call last)
<ipython-input-19-e09e5cb6e9d7> in <cell line: 13>()
     19 
     20   # 2. Calculate loss and accuracy
---> 21   loss = loss_fn(y_logits,
     22                  y_train)
     23   acc = acc_fn(y_pred,

2 frames
/usr/local/lib/python3.9/dist-packages/torch/nn/functional.py in binary_cross_entropy_with_logits(input, target, weight, size_average, reduce, reduction, pos_weight)
   3163         raise ValueError("Target size ({}) must be the same as input size ({})".format(target.size(), input.size()))
   3164 
-> 3165     return torch.binary_cross_entropy_with_logits(input, target, weight, pos_weight, reduction_enum)
   3166 
   3167 

RuntimeError: result type Float can't be cast to the desired output type Long

问题原因 #

1. 损失函数类型要求：nn.BCEWithLogitsLoss要求输入的logits（模型输出）和目标标签（y_train/y_test）必须是相同的浮点类型，但你的标签是LongTensor类型，导致损失计算时类型转换冲突。
2. 模型输入类型要求：PyTorch模型的线性层参数默认是float32类型，若将输入X转为LongTensor，会导致矩阵乘法时输入与权重 dtype 不匹配，触发第二个错误。

解决方法 #

只需调整标签的 dtype 为浮点型，保持输入X的原有浮点类型不变：

修改代码片段 #

在将数据发送到设备后，对标签执行浮点转换：

# Send data to device
X_train, X_test = X_train.to(device), X_test.to(device)
# 将y转换为float类型，与模型输出logits的dtype一致
y_train, y_test = y_train.to(device).float(), y_test.to(device).float()

# 注释掉错误的Long转换代码
# X_train, X_test = X_train.long(), X_test.long()
# y_train, y_test = y_train.long(), y_test.long()

原理说明 #

• 模型输入X保持浮点型，确保能与线性层的float32权重正常进行矩阵运算。
• 标签转为浮点型后，与模型输出的logits dtype 一致，满足BCEWithLogitsLoss的计算要求，不会再出现类型转换错误。

内容的提问来源于stack exchange，提问作者lab_matter