PyTorch中squeeze函数未生效求助：无法压缩独热编码张量

为什么squeeze(1)没效果 #

torch.squeeze(dim=1)的作用是仅当指定维度的大小为1时，删除该维度。你的y和output形状是(101705, 11)，第二个维度的大小是11而非1，所以调用squeeze(1)不会对张量形状产生任何改变，这就是操作前后形状一致的原因。

正确处理独热编码的方式 #

你提到y是独热编码，而多数分类损失函数（比如CrossEntropyLoss）要求目标张量是类别索引格式（形状为(N,)，每个元素是类别对应的整数），而非独热编码（(N, C)）。所以你需要把独热编码转换成类别索引，而非使用squeeze：

1. 使用torch.argmax(y, dim=1)提取独热编码中最大值的索引，也就是类别标签：

   y_label = torch.argmax(y, dim=1).long()  # 转换为long类型，符合损失函数输入要求
   

   转换后y_label的形状会变成(101705,)，满足损失函数的输入规范。

2. 修改损失计算代码：

   loss += self.loss(output, y_label)
   

额外注意点 #

• 确认损失函数类型：如果使用BCEWithLogitsLoss这类针对多标签/二分类的损失，目标张量确实需要独热编码格式，此时不需要转换，直接传入y即可。
• 混淆矩阵计算需同步调整：原代码中confusion_matrix(y, torch.argmax(output, dim=1))里的y是独热编码，要替换成y_label才能和输出的类别索引匹配：

  cm = confusion_matrix(y_label.cpu().numpy(), torch.argmax(output, dim=1).cpu().numpy())
  

内容的提问来源于stack exchange，提问作者Anwar As'ad