使用fastai构建目标检测模型运行教程时出现smooth_l1_loss报错如何解决

这个报错是新旧版本依赖不兼容导致的：

• 你使用的教程适配的是fastai v2早期版本 + PyTorch 1.7/1.8的运行环境，而当前Google Colab默认预装的是更高版本的PyTorch（1.10+）和fastai
• PyTorch 1.10版本之后调整了torch_function的分发规则，fastai自定义的TensorImage、TensorBBox张量类型没有适配新版本的smooth_l1_loss实现，PyTorch找不到对应类型的损失计算逻辑就会抛出这个错误。

你可以根据自己的需求选择以下任意一种方法修复：

• 方法1：自定义损失函数做类型转换
  在损失计算前显式把fastai自定义张量转成普通PyTorch张量，不需要改动其他逻辑，示例代码如下：

  import torch
  import torch.nn.functional as F
  
  def adapted_smooth_l1_loss(input, target, *args, **kwargs):
      # 转换为普通Tensor即可适配PyTorch原生损失函数
      input = input.as_subclass(torch.Tensor)
      target = target.as_subclass(torch.Tensor)
      return F.smooth_l1_loss(input, target, *args, **kwargs)
  

  后续把教程代码中调用smooth_l1_loss的位置替换成上面的adapted_smooth_l1_loss即可。

• 方法2：固定兼容的依赖版本（无需修改原教程代码，最省事）
  在Colab notebook的最开头先运行以下代码安装对应版本的依赖，安装完成后按照提示重启运行时，再运行后续教程代码就不会出现该错误：

  !pip install fastai==2.5.3 torch==1.9.0 torchvision==0.10.0 -q
  

• 方法3：修改数据集的输出类型
  在构建数据块的标签转换逻辑中，去掉TensorBBox的类型封装，直接返回普通张量格式的边界框标注，PyTorch就能直接识别并计算损失。

内容的提问来源于stack exchange，提问作者Marina Qian