解決pytorch下出現(xiàn)multi-target not supported at的一種可能原因
在使用交叉熵損失函數(shù)的時候，target的形狀應該是和label的形狀一致或者是只有batchsize這一個維度的。
如果target是這樣的【batchszie，1】就會出現(xiàn)上述的錯誤。
改一下試試，用squeeze（）函數(shù)降低緯度，
如果不知道squeeze怎么用的，
可以參考這篇文章。pytorch下的unsqueeze和squeeze用法
這只是一種可能的原因。
補充：pytorch使用中遇到的問題
1. load模型參數(shù)文件時，提示torch.cuda.is_available() is False。
按照pytorch官方網(wǎng)頁又安裝了一次pytorch，而不是直接使用清華源，執(zhí)行pip install torch，暫時不知道為什么。
2. 使用CrossEntropyLoss時，要求第一個參數(shù)為網(wǎng)絡輸出值，F(xiàn)loatTensor類型，第二個參數(shù)為目標值，LongTensor類型。否則
需要在數(shù)據(jù)讀取的迭代其中把target的類型轉換為int64位的：target = target.astype(np.int64)，這樣，輸出的target類型為torch.cuda.LongTensor。（或者在使用前使用Tensor.type(torch.LongTensor)進行轉換）。
3.
RuntimeError: multi-target not supported at /pytorch/torch/lib/THCUNN/generic/ClassNLLCriterion.cu loss += F.cross_entropy( scores, captions )
出錯原因：
scores, captions的維度與F.cross_entropy()函數(shù)要求的維度不匹配，
例如出錯的維度為scores=[batch, vocab_size], captions=[batch, 1]
解決：
loss += F.cross_entropy( scores, captions.squeeze() )
注，這個scores必須是N*C維，C指類別數(shù)。
4. pytorch訓練過程中使用大量的CPU資源
當我使用pycharm運行 (https://github.com/Joyce94/cnn-text-classification-pytorch ) pytorch程序的時候，在Linux服務器上會開啟多個進程，占用服務器的大量的CPU，在windows10上運行此程序的時候，本機的CPU和內存會被吃光，是因為在train.py中有大量的數(shù)據(jù)訓練處理，會開啟多個進程，占用大量的CPU和進程。
本機window10
linux服務器開啟了多個進程
Linux服務器占用大量CPU
在pytorch中提供了（http://pytorch.org/docs/master/multiprocessing.html）muliprocessing多進程管理，其中有Pool進程池、Process()等對進程進行管理，可能是我使用的方式不對，反正是沒有什么效果。
然而最簡單的也是最好的解決辦法 ：
torch.set_num_threads(int thread) ，可以很好的解決windows問題，參考（http://pytorch.org/docs/master/torch.html#parallelism） 然而，在linux服務器上還是有一些問題的，export OMP_NUM_THREADS = 1 可以解決Linux問題。
經(jīng)驗證：export OMP_NUM_THREADS=1確實在pycaffe/pytorch中可以有效降低CPU使用率且提高程序運行速度，考慮可能是程序并不需要這么大的計算量，但是開了很多線程并行進行相同的計算，最后還需要同步結果，浪費了大量的計算量。
5. 在pytorch框架下編譯模塊的時候遇到 in <module>
raise ImportError("torch.utils.ffi is deprecated. Please use cpp extensions instead.")
ImportError: torch.utils.ffi is deprecated. Please use cpp extensions instead.
解決：pytorch版本與其他庫的版本不匹配。我當時裝的是1.0.0，降低版本到0.4.0后問題解決。
6.pytorch設置GPU，os.environ['CUDA_VISIBLE_DEVICES']='X'要放在主程序的最前端，否則設置GPU可能無效。
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
相關文章
在centos7上安裝anaconda碰到很多的坑,分享出來,也免得以后自己忘記,下面這篇文章主要給大家介紹了關于寶塔centos7安裝Conda的相關資料,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下2022-11-11
pytorch機器學習softmax回歸的簡潔實現(xiàn)
這篇文章主要介紹了為大家介紹了pytorch機器學習中softmax回歸的簡潔實現(xiàn)方式，有需要的朋友可以借鑒參考下，希望能夠有所幫助2021-10-10
這篇文章主要介紹了python過濾字符串中不屬于指定集合中字符的類,涉及Python針對字符串與集合的相關操作技巧,需要的朋友可以參考下2015-06-06
這篇文章主要介紹了Python設計模式之抽象工廠模式,簡單講述了抽象工廠模式的概念、原理并結合實例形式分析了Python實現(xiàn)與使用抽象工廠模式的相關操作技巧,需要的朋友可以參考下2019-01-01
Python strip lstrip rstrip使用方法
Python中的strip用于去除字符串的首位字符，同理，lstrip用于去除左邊的字符，rstrip用于去除右邊的字符。這三個函數(shù)都可傳入一個參數(shù)，指定要去除的首尾字符。2008-09-09
Python?pickle模塊實現(xiàn)Python對象持久化存儲
這篇文章主要介紹了Python?pickle模塊實現(xiàn)Python對象持久化存儲，pickle?是?python?語言的一個標準模塊，和python安裝時共同安裝好的一個模塊。下文基于pickle模塊展開實現(xiàn)Python對象持久化存儲的詳細內容,需要的朋友可以參考一下2022-05-05
這篇文章主要介紹了Python?Matplotlib?marker?標記詳解，Matplotlib，風格類似?Matlab?的基于?Python?的圖表繪圖系統(tǒng)，詳細內容需要的小伙伴可以參考一下2022-07-07
python3實現(xiàn)短網(wǎng)址和數(shù)字相互轉換的方法
這篇文章主要介紹了python3實現(xiàn)短網(wǎng)址和數(shù)字相互轉換的方法,涉及Python操作字符串的相關技巧,非常具有實用價值,需要的朋友可以參考下2015-04-04
Django JWT Token RestfulAPI用戶認證詳解
這篇文章主要介紹了Django JWT Token RestfulAPI用戶認證詳解，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2019-01-01
Python實現(xiàn)將藍底照片轉化為白底照片功能完整實例
這篇文章主要介紹了Python實現(xiàn)將藍底照片轉化為白底照片功能,結合完整實例形式分析了Python基于cv2庫進行圖形轉換操作的相關實現(xiàn)技巧,需要的朋友可以參考下2019-12-12