Pytorch RuntimeError：“ host_softmax”；没有为'torch.cuda.LongTensor'实现 [英] Pytorch RuntimeError: "host_softmax" not implemented for 'torch.cuda.LongTensor'
问题描述
我正在使用pytorch训练模型。但是在计算交叉熵损失时遇到了运行时错误。
I am using pytorch for training models. But I got an runtime error when it was computing the cross-entropy loss.
Traceback (most recent call last):
File "deparser.py", line 402, in <module>
d.train()
File "deparser.py", line 331, in train
total, correct, avgloss = self.train_util()
File "deparser.py", line 362, in train_util
loss = self.step(X_train, Y_train, correct, total)
File "deparser.py", line 214, in step
loss = nn.CrossEntropyLoss()(out.long(), y)
File "/home/summer2018/TF/lib/python3.5/site-packages/torch/nn/modules/module.py", line 477, in __call__
result = self.forward(*input, **kwargs)
File "/home/summer2018/TF/lib/python3.5/site-packages/torch/nn/modules/loss.py", line 862, in forward
ignore_index=self.ignore_index, reduction=self.reduction)
File "/home/summer2018/TF/lib/python3.5/site-packages/torch/nn/functional.py", line 1550, in cross_entropy
return nll_loss(log_softmax(input, 1), target, weight, None, ignore_index, None, reduction)
File "/home/summer2018/TF/lib/python3.5/site-packages/torch/nn/functional.py", line 975, in log_softmax
return input.log_softmax(dim)
RuntimeError: "host_softmax" not implemented for 'torch.cuda.LongTensor'
我认为这是因为 .cuda（）函数或 torch.Float 和 torch.Long 。但是我尝试了很多方法通过 .cpu（） / .cuda（）和<$ c来更改变量$ c> .long（） / .float（），但仍然无法正常工作。在Google上搜索时找不到此错误消息。谁能帮我？谢谢!!!
I think this is because the .cuda() function or conversion between torch.Float and torch.Long. But I have tried many ways to change the variable by .cpu()/.cuda() and .long()/.float(), but it still not work. This error message can't be found when searching it on google. Can anyone helps me? Thanks!!!
这是代码原因错误：
def step(self, x, y, correct, total):
self.optimizer.zero_grad()
out = self.forward(*x)
loss = nn.CrossEntropyLoss()(out.long(), y)
loss.backward()
self.optimizer.step()
_, predicted = torch.max(out.data, 1)
total += y.size(0)
correct += int((predicted == y).sum().data)
return loss.data
然后调用此函数step（）：
And this function step() is called by:
def train_util(self):
total = 0
correct = 0
avgloss = 0
for i in range(self.step_num_per_epoch):
X_train, Y_train = self.trainloader()
self.optimizer.zero_grad()
if torch.cuda.is_available():
self.cuda()
for i in range(len(X_train)):
X_train[i] = Variable(torch.from_numpy(X_train[i]))
X_train[i].requires_grad = False
X_train[i] = X_train[i].cuda()
Y_train = torch.from_numpy(Y_train)
Y_train.requires_grad = False
Y_train = Y_train.cuda()
loss = self.step(X_train, Y_train, correct, total)
avgloss+=float(loss)*Y_train.size(0)
self.optimizer.step()
if i%100==99:
print('STEP %d, Loss: %.4f, Acc: %.4f'%(i+1,loss,correct/total))
return total, correct, avgloss/self.data_len
输入数据 X_train，Y_train = self.trainloader（）是开头的numpy数组。
The input data X_train, Y_train = self.trainloader() are numpy arrays at begining.
这是一个数据示例：
>>> X_train, Y_train = d.trainloader()
>>> X_train[0].dtype
dtype('int64')
>>> X_train[1].dtype
dtype('int64')
>>> X_train[2].dtype
dtype('int64')
>>> Y_train.dtype
dtype('float32')
>>> X_train[0]
array([[ 0, 6, 0, ..., 0, 0, 0],
[ 0, 1944, 8168, ..., 0, 0, 0],
[ 0, 815, 317, ..., 0, 0, 0],
...,
[ 0, 0, 0, ..., 0, 0, 0],
[ 0, 23, 6, ..., 0, 0, 0],
[ 0, 0, 297, ..., 0, 0, 0]])
>>> X_train[1]
array([ 6, 7, 8, 21, 2, 34, 3, 4, 19, 14, 15, 2, 13, 3, 11, 22, 4,
13, 34, 10, 13, 3, 48, 18, 16, 19, 16, 17, 48, 3, 3, 13])
>>> X_train[2]
array([ 4, 5, 8, 36, 2, 33, 5, 3, 17, 16, 11, 0, 9, 3, 10, 20, 1,
14, 33, 25, 19, 1, 46, 17, 14, 24, 15, 15, 51, 2, 1, 14])
>>> Y_train
array([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1.],
[0., 0., 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
[1., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
...,
[0., 0., 0., 0., 0., 0., 1., 0., 0., 0., 0., 0., 0., 0., 0., 0.,
0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]],
dtype=float32)
尝试所有可能的组合：
情况1：
loss = nn.CrossEntropyLoss（）（out，y ）
我得到：
RuntimeError：预期类型为torch.cuda.LongTensor的对象，但发现类型为torch.cuda.FloatTensor对于参数＃2'目标'
情况2：
损失= nn.CrossEntropyLoss （）（out.long（），y）
作为描述a bove
case 2:
loss = nn.CrossEntropyLoss()(out.long(), y)
as description above
情况3：
损失= nn.CrossEntropyLoss（）（out.float（），y）
我得到：
RuntimeError：类型为torch.cuda.LongTensor的预期对象，但为参数＃找到类型为torch.cuda.FloatTensor的对象2'target'
情况4：
损失= nn.CrossEntropyLoss（）（出来，y.long（））
我得到：
RuntimeError：/ pytorch / aten不支持多目标/src/THCUNN/generic/ClassNLLCriterion.cu:15
情况5：
损失= nn.CrossEntropyLoss（）（out.long（），y.long（））
我得到：
RuntimeError： torch.cuda.LongTensor未实现 host_softmax
案例6：
损失= nn.CrossEntropyLoss（）（out.float（），y.long（））
我得到：
RuntimeError：/pytorch/aten/src/THCUNN/generic/ClassNLLCriterion.cu:15
case不支持多目标7：
损失= nn.Cr ossEntropyLoss（）（out，y.float（））
我得到：
RuntimeError：火炬类型的预期对象。 cuda.LongTensor，但为参数＃2'target'
case 7:
loss = nn.CrossEntropyLoss()(out, y.float())
I get:
RuntimeError: Expected object of type torch.cuda.LongTensor but found type torch.cuda.FloatTensor for argument #2 'target'
case 8：
找到类型torch.cuda.FloatTensor。 损失= nn.CrossEntropyLoss（）（out.long（），y.float（））
我得到：
RuntimeError： torch.cuda.LongTensor未实现 host_softmax
案例9：
损失= nn.CrossEntropyLoss（）（out.float（），y.float（））
我得到：
RuntimeError：类型为torch.cuda.LongTensor的预期对象，但为参数＃2'target'找到了torch.cuda.FloatTensor类型。
推荐答案
我知道问题出在哪里。
I know where the problem is.
y 应该是 torch.int64 dtype，不带一键编码。
和 CrossEntropyLoss（）会自动使用一热编码（而预测的概率分布类似于一热格式）。
y should be in torch.int64 dtype without one-hot encoding.
And CrossEntropyLoss() will auto encoding it with one-hot (while out is the probability distribution of prediction like one-hot format).
它现在可以运行！
这篇关于Pytorch RuntimeError：“ host_softmax”；没有为'torch.cuda.LongTensor'实现的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
