Pytorch调用CrossEntropyLoss报nll_loss CUDA内核不支持Int类型错误如何解决

报错核心原因 #

PyTorch的nn.CrossEntropyLoss()损失函数要求传入的标签参数必须为LongTensor（64位整数类型），你当前传入的labels是32位整数类型，CUDA环境下没有针对32位整数的对应损失计算内核实现，因此触发报错。教程可正常运行大概率是其使用CPU环境运行，CPU对32位整数标签的兼容更宽松。

可行解决方法 #

• 改动最小的方案：在训练循环中将标签移到计算设备时，直接转换为long类型，修改对应代码即可：

# 原代码
labels = labels.to(device)
# 修改为
labels = labels.to(device).long()

• 更规范的方案：在数据集的__getitem__方法返回标签时，就指定为long类型，避免后续每次训练都做类型转换：

def __getitem__(self, index):
    # 假设y_data是你存储标签的变量
    return self.x_data[index], torch.tensor(self.y_data[index], dtype=torch.long)

• 临时验证方案：强制使用CPU运行，牺牲训练速度即可兼容32位整数标签，不推荐长期使用：

device = torch.device('cpu')

内容的提问来源于stack exchange，提问作者Joyanta J. Mondal