PyTorch项目报错Expected 2 or more dimensions (got 1)如何解决？

直接触发维度错误的核心原因 #

• 输入张量维度缺失批次维度
  你定义的输入Xs形状为(9, 2)，逐元素遍历得到的单个样本x形状为(2,)，属于1维张量。PyTorch的nn.Linear层默认预期输入格式为(批次大小, 特征数)的二维张量，即使是单样本输入也需要保留批次维度。
• 损失函数输入维度不符合要求
  你调用的F.nll_loss属于多分类损失函数，预期输入形状为(批次大小, 类别数)的二维张量。当前模型最后一层fc4输出维度为1，搭配1维的输入样本，最终输出形状为(1,)的1维张量，完全不满足损失函数的输入要求，直接触发维度报错。

其余隐藏逻辑错误 #

• 损失函数选型不匹配
  你当前做的是二分类任务，F.nll_loss需要搭配F.log_softmax使用，且要求模型输出维度等于类别数。如果你要保持单输出的结构，应该选用BCEWithLogitsLoss或者sigmoid+BCELoss的组合，无需使用多分类损失。
• 标签格式不匹配损失要求
  F.nll_loss要求标签为形状(批次大小,)的整数类型，你当前的ys是形状(9, 1)的浮点类型，即使维度问题修复也会触发报错。
• 模型输出层激活函数不合理
  你在模型最后一层输出用了F.relu，会直接截断所有负数值，会严重影响梯度回传，二分类单输出场景下不需要在此处加relu。

核心修复代码示例 #

# 建议先修改模型最后一层的激活函数
class Model(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc1 = nn.Linear(2, 100)
        self.fc2 = nn.Linear(100, 200)
        self.fc3 = nn.Linear(200, 200)
        self.fc4 = nn.Linear(200, 1)

    def forward(self, x):
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = F.relu(self.fc3(x))
        # 去掉最后的relu，直接输出logits
        return self.fc4(x)

model = Model()

Xs = torch.Tensor([[0, 1], [1, 1], [1, 0], [1, 1], [1, 1], [0, 1], [1, 1], [0, 0], [1, 0]])
ys = torch.Tensor([[1], [0], [0], [1], [0], [1], [0], [1], [1]])

# 不需要逐样本遍历的话可以直接批次输入，维度自动匹配
output = model(Xs)
loss = F.binary_cross_entropy_with_logits(output, ys)
print(loss)

# 如果一定要逐样本遍历，给单个样本加批次维度即可
for i, x in enumerate(Xs):
    # 加维度后形状变为(1, 2)
    x = x.unsqueeze(0)
    output = model(x)
    print(output)
    label = ys[i].unsqueeze(0)
    loss = F.binary_cross_entropy_with_logits(output, label)

内容的提问来源于stack exchange，提问作者GeverAL