PyTorch使用Omniglot数据集报RuntimeError: Found dtype Long but expected Float解决

你的代码存在两处核心错误，按如下步骤修改即可解决报错： #

1. 全连接层输入维度计算错误 #

错误原因 #

卷积层输出展平后的维度计算错误，导致模型输出形状和标签形状不匹配：
逐层计算特征图尺寸：

• 输入：[batch, 1, 105, 105]
• 经过conv1+maxpool：输出[batch, 8, 51, 51]
• 经过conv2+maxpool：输出[batch, 16, 24, 24]
• 展平后维度为16 * 24 * 24 = 9216，不是代码中写的18432

修复代码 #

# 修改模型__init__方法中的fc1定义
self.fc1 = torch.nn.Linear(9216, 256)
# 修改forward方法中的展平操作
hidden = hidden.view(-1, 9216)

2. 损失函数选择错误 #

错误原因 #

分类任务错误使用了回归任务的MSELoss：

• MSELoss要求输入和目标均为浮点类型、形状完全匹配，而你的标签是代表类别的长整型，形状仅为[batch_size]，和模型输出[batch_size, 类别数]不匹配，触发类型错误
• 分类任务应使用CrossEntropyLoss，原生支持分类任务的输入输出格式，无需额外转换数据类型

修复代码 #

# 替换损失函数定义
loss_fun = torch.nn.CrossEntropyLoss()

可选优化建议 #

• 调整输出层维度：Omniglot训练集共964个类别，你当前设置的50类不符合数据集实际情况，根据任务需求修改fc3的输出维度：

  self.fc3 = torch.nn.Linear(64, 964) # 全量分类场景
  

• 修正批次计数：直接用len(train_generator)获取总批次，避免整除误差：

  num_of_batch = len(train_generator)
  

• 优化准确率计算：用浮点除法得到更精确的结果：

  print('Validation accuracy: %.2f%%' % ((100 * correct) / total))
  

内容的提问来源于stack exchange，提问作者Seng