PyTorch多分类训练遇RuntimeError：目标张量维度不符求助

问题根源 #

CrossEntropyLoss要求目标张量是1D的类别索引（形状为(N,)，N是样本数），但你的y_train是(640,1)的2D张量，PyTorch会误判为多标签/多目标任务，因此触发RuntimeError: 0D or 1D target tensor expected, multi-target not supported错误。

具体解决步骤 #

• 调整目标张量维度：去掉多余的单维度，将形状从(batch_size,1)转为(batch_size,)
  有两种处理方式：

  1. 在自定义数据集ClassifierDataset的__getitem__方法中处理：

     def __getitem__(self, idx):
         # 特征处理保持不变
         features = torch.tensor(self.x.iloc[idx].values, dtype=torch.float32)
         # 去掉目标的多余维度，并转为long类型（类别索引要求）
         target = torch.tensor(self.y.iloc[idx].values.squeeze(), dtype=torch.long)
         return features, target
     

  2. 在训练循环中批量处理：

     for x_batch, y_batch in train_loader:
         # 移除第1维的单维度
         y_batch = y_batch.squeeze(dim=1)
         # 确保目标是long类型
         y_batch = y_batch.long()
         
         # 后续模型前向传播与损失计算
         outputs = model(x_batch)
         loss = criterion(outputs, y_batch)
     

• 确认目标数据类型：CrossEntropyLoss要求目标是long类型的类别索引（0-8），如果你的目标数据原本是float类型，必须转成long，否则也可能引发异常。

• 验证形状正确性：处理后可以打印y_batch.shape确认，正确形状应为(batch_size,)（比如batch_size=32时显示torch.Size([32])）。

内容的提问来源于stack exchange，提问作者k_p