小编Ray*_*hiu的帖子

做二元类分类。我使用二元交叉熵作为损失函数(nn.BCEloss())，最后一层的单位为1。

在将 (input, target) 放入损失函数之前，我将目标从 Long 转换为 float。只有DataLoader最后一步出现错误信息，错误信息如下。 "RuntimeError: Expected object of scalar type Float but got scalar type Long for argument #2 'target'" 代码中定义了 DataLoader（如果批处理大小不匹配，我将删除最后一个批处理），我不确定是否与错误相关。

我试图打印目标和输入（神经网络的输出）的类型，并且两个变量的类型都是浮点数。我把“类型结果”和代码放在下面。

trainloader = torch.utils.data.DataLoader(trainset, batch_size=BATCH_SIZE,
                                          shuffle=True, drop_last=True)
loss_func = nn.BCELoss() 

# training 
for epoch in range(EPOCH):
    test_loss = 0
    train_loss = 0

    for step, (b_x, b_y) in enumerate(trainloader):        # gives batch data
        b_x = b_x.view(-1, TIME_STEP, 1)              # reshape x to (batch, time_step, input_size)
        print("step: ", step)
        b_x = b_x.to(device) 
        print("BEFORE|b_y type: ",b_y.type())
        b_y …