这个问题关键在于t>=0&&t，就是数据的标签必须在0到数据标签总数之间。小虎的数据是因为遇到了-1的label，解决方法是把label范围给限定在提示的范围内。问题原文...,../aten/src/ATen/native/cuda/NLLLoss2d.cu:103:nll_loss2d_forward_kernel:block:

点击进入专栏：《人工智能专栏》Python与Python|机器学习|深度学习|目标检测|YOLOv5及其改进|YOLOv8及其改进|关键知识点|各种工具教程官网torch.nn-PyTorch中文文档(pytorch-cn.readthedocs.io)文章目录简介CrossEntropyLoss0.QuickStart1.参数2.计算过程3.损失函数输入及输出的Tensor形状3.1简单情况（一个样本）3.2多个样本（一个batch）3.3三维情况（多样本+多通道）BCELoss和BCEWithLogitsLoss以及CrossEntropyLoss

  在分类问题中常用到交叉熵损失函数CrossEntropyLoss，有时候还能看到NLLLoss损失，两个损失是有关联的。1、首先，随机生成一个3*3的tensor，假设该张量  test_n 是我们的神经网络的输出，一行相当于一个样本的预测结果，如下：2、使用Softmax处理生成的tensor，这里要对每行元素进行操作，dim=1是对每行的元素进行操作（也就是沿着列增加的方向），dim=0是对每列的元素进行操作（也就是沿着行增加的方向），3、接着对处理得到的tensor求对数，Softmax处理后的数值都在0～1之间，所以取ln对数之后值域（-∞，0）假设我们的目标是target=tor

  在分类问题中常用到交叉熵损失函数CrossEntropyLoss，有时候还能看到NLLLoss损失，两个损失是有关联的。1、首先，随机生成一个3*3的tensor，假设该张量  test_n 是我们的神经网络的输出，一行相当于一个样本的预测结果，如下：2、使用Softmax处理生成的tensor，这里要对每行元素进行操作，dim=1是对每行的元素进行操作（也就是沿着列增加的方向），dim=0是对每列的元素进行操作（也就是沿着行增加的方向），3、接着对处理得到的tensor求对数，Softmax处理后的数值都在0～1之间，所以取ln对数之后值域（-∞，0）假设我们的目标是target=tor