PyTorch调用CrossEntropyLoss报张量布尔值歧义错误如何解决

你触发这个错误的核心问题是混淆了PyTorch损失的类初始化和计算逻辑：

• torch.nn.CrossEntropyLoss 是损失函数类，直接在类名后加括号传参时，执行的是类的初始化构造方法，不是损失值计算逻辑。
• 构造方法的第一个位置参数是自定义类别权重weight，你把模型预测输出tensor r传给了这个参数，初始化流程中会对该参数做布尔合法性校验，包含多个元素的Tensor无法直接转换为单个布尔值，就抛出了对应的RuntimeError。

两种标准写法都可以正常运行，根据自己的编码习惯选就行：

1. 先实例化损失类，再传入预测值、标签计算损失

import torch

l = torch.tensor([0, 1, 1, 1], requires_grad=False)
r = torch.rand(4, 2)
# 无自定义权重、忽略索引等特殊需求时，初始化参数留空即可
loss_fn = torch.nn.CrossEntropyLoss()
# 前向计算传参：第一个位置是预测logits（形状要求[batch_size, 类别数]），第二个是类别标签
loss = loss_fn(r, l)
print(loss)

2. 直接调用函数式接口，无需提前实例化类

import torch
import torch.nn.functional as F

l = torch.tensor([0, 1, 1, 1], requires_grad=False)
r = torch.rand(4, 2)
loss = F.cross_entropy(r, l)
print(loss)

• 传入CrossEntropyLoss的预测值不需要提前做softmax操作，损失内部会自动完成log_softmax和负对数似然计算，提前做softmax反而会导致结果异常。
• 索引格式的标签默认需要是torch.long类型，如果你的标签tensor是浮点类型，可以提前加.long()转换，避免后续触发类型校验错误。

内容的提问来源于stack exchange，提问作者user3668129