贝叶斯神经网络训练CrossEntropyLoss报Target超出边界如何修改

你遇到的IndexError: Target 11 is out of bounds是分类任务中非常典型的输出维度不匹配问题：
PyTorch的CrossEntropyLoss要求模型输出的最后一维维度必须和分类任务的总类别数完全一致。你当前的数据集是32分类任务（标签取值范围为0~31），但原模型最后一层的输出维度设置为out_features=3，仅支持3分类任务，当遇到标签值≥3的样本时就会触发越界错误。

1. 核心修改：调整模型最后一层输出维度 #

直接将原模型最后一层贝叶斯线性层的out_features参数从3改为32即可，修改后的模型定义如下：

model = nn.Sequential(
    bnn.BayesLinear(prior_mu=0, prior_sigma=0.1, in_features=5, out_features=100),
    nn.ReLU(),
    bnn.BayesLinear(prior_mu=0, prior_sigma=0.1, in_features=100, out_features=32),
)

2. 可选优化调整 #

如果修改后模型训练效果达不到预期，可以根据实际情况调整以下参数：

• 隐藏层维度：将第一层贝叶斯线性层的out_features从100适当调高到128/256，提升模型拟合能力
• 超参数：调整klweight、学习率lr的取值，或者增加训练轮次
• 标签类型：确认target_tensor的数据类型为torch.long，符合CrossEntropyLoss的输入要求

内容的提问来源于stack exchange，提问作者Yumeng Xu