对于 SNN，如何解决`RuntimeError：张量 a (3) 的大小必须与非单维 1 的张量 b (128) 的大小相匹配？

Question

什么是 PyTorch 中的损失 function 可以让我计算多目标问题的损失？ 我有三个目标变量。 我看到了BCEWithLogitsLoss()的建议，但它产生了这个错误：

RuntimeError: The size of tensor a (3) must match the size of tensor b (128) at non-singleton dimension 1

我也在研究一个尖峰神经网络。 上面的RunTimeError被抛出acc = np.mean((targets == idx).detach().cpu().numpy()) 。 我实际上这不是 function 的损失问题，而是 function 我必须打印批量精度：

def print_batch_accuracy(data, targets, train = False):
    output, _ = net(data.view(batch_size, -1))
    _, idx = output.sum(dim = 0).max(1)
    print(targets)
    acc = np.mean((targets == idx).detach().cpu().numpy())

    if train:
        print(f"Train set accuracy for a single minibatch: {acc * 100:.2f}%")
    else:
        print(f"Test set accuracy for a single minibatch: {acc * 100:.2f}%")

我的批次的形状是Float类型的torch.Size([25, 128, 3]) 。

Answer 1

该错误是由于精度打印机 function 不是为多目标分类而设计的。 我猜你的目标张量的第一个维度对应于正确类的总数（3），而 function 预计第一个暗淡是批量大小（128）。

function _, idx = output.sum(dim = 0).max(1)返回具有最大数量的尖峰的神经元。 然后根据目标(targets == idx)进行检查，这意味着正在测量单目标问题的准确性。 这应该被修改以检查所有可能的正确类。

至于您关于合适的损失函数的问题， BCEWithLogitsLoss()可以应用于累积的 output 尖峰并且效果很好。

或者，每个 output 神经元可能有一个目标尖峰计数，该目标尖峰计数使用MSELoss()与实际尖峰计数进行比较。