鸢尾花分类模型准确率0%及CrossEntropyLoss维度报错求助

1. 初始训练准确率为0%的原因 #

• 鸢尾花属于3分类任务，最初使用BCE损失（二分类交叉熵）完全不适配多分类场景，你后续更换为nn.CrossEntropyLoss()的修正方向是正确的。
• 额外注意你定义的模型model = nnet(4, 2, 1)最后一层输出维度为1，完全不符合多分类输出要求，需要修改为3，即model = nnet(4, 2, 3)，这也是后续触发损失函数报错的核心诱因之一。

2. 1D target tensor expected, multi-target not supported报错解决步骤 #

你已经确认标签y为1维张量的前提下，按以下优先级排查即可解决问题：

• 修正模型输出维度：nn.CrossEntropyLoss()要求模型的预测输出shape为[batch_size, 类别数]，你当前模型输出维度为1，shape为[batch_size, 1]，会被损失函数判定为多目标输入触发报错，把模型最后一层输出维度改为3即可解决大部分此类问题。
• 修正标签数据类型：nn.CrossEntropyLoss()要求标签y的数据类型为长整型（torch.long），如果你的标签是浮点型就算维度正确也会触发报错，可在计算损失前添加代码强制转换：

  y = y.long()
  

• 去除标签多余维度：部分数据加载逻辑会给标签添加多余的维度，导致实际y的shape为[batch_size, 1]而非要求的[batch_size]，就算你认为是1维也会触发报错，可通过squeeze方法压缩多余维度：

  y = y.squeeze()
  

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