我正在尝试实施和训练original U-Net model，但是在尝试使用ISBI Challenge Dataset训练模型时，我陷入了困境。
根据原始的U-Net模型，网络输出具有2个通道且大小为388 x 388的图像。因此，我用于训练的数据加载器会生成张量，其张量为[batch，channel = 1，width = 572，height = 572]用于输入图像，[批处理，通道= 2，宽度= 388，宽度= 388]用于目标/输出图像。
我的问题实际上是，当我尝试使用nn.CrossEntropyLoss（）时，出现以下错误：
RuntimeError：无效参数3：仅支持成批的空间目标（3D张量），但尺寸目标为：4在/opt/conda/conda-bld/pytorch_1556653099582/work/aten/src/THNN/generic/SpatialClassNLLCriterion.c:59
我只是从PyTorch（这里是新手）开始……所以，如果有人可以帮助我克服这个问题，我将不胜感激。
源代码在GitHub上可用：
https://github.com/dalifreire/cnn_unet_pytorch
https://github.com/dalifreire/cnn_unet_pytorch/blob/master/unet_pytorch.ipynb
最好的祝福！
更新
我只是从蒙版中删除了通道尺寸，一切正常…现在，我正在生成形状为1 [width = 388，height = 388]的蒙版。
之后，我将使用输入图像（X），目标蒙版（y）和预测的输出蒙版（y_hat），如下所示：
X --> torch.Size([10, 1, 572, 572])
y --> torch.Size([10, 388, 388])
y_hat --> torch.Size([10, 2, 388, 388])
但是，我不明白为什么目标蒙版（y）和预测蒙版（y_hat）必须具有不同的形状？对我来说很奇怪
最佳答案
来自PyTorch的CrossEntropyLoss文档字符串：
Shape:
- Input: :math:`(N, C)` where `C = number of classes`, or
:math:`(N, C, d_1, d_2, ..., d_K)` with :math:`K \geq 1`
in the case of `K`-dimensional loss.
- Target: :math:`(N)` where each value is :math:`0 \leq \text{targets}[i] \leq C-1`, or
:math:`(N, d_1, d_2, ..., d_K)` with :math:`K \geq 1` in the case of
K-dimensional loss.
- Output: scalar.
If :attr:`reduction` is ``'none'``, then the same size as the target:
:math:`(N)`, or
:math:`(N, d_1, d_2, ..., d_K)` with :math:`K \geq 1` in the case
of K-dimensional loss.
如果目标已包含类索引，则应删除通道维。
Source