nll_loss_forward_reduce_cuda_kernel_2d_index的问题

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

一、nll_loss_forward_reduce_cuda_kernel_2d_index

在chatgpt上面提问时，回复的答案是：
nll_loss_forward_reduce_cuda_kernel_2d_index需要以下数据类型：

• 输入的log_softmax张量，数据类型为float32或float64
• 目标类别的张量，数据类型为int32或int64
• 输出的损失张量，数据类型为float32或float64
• 损失的权重张量（可选），数据类型为float32或float64
• 批次大小（可选），数据类型为int32或int64
• 类别数量（可选），数据类型为int32或int64

但是在使用tranformers的时候，还是报错了，错误提示大概是这样：
File “xxxxxxxx\pytorch\lib\site-packages\torch\nn\functional.py”, line 3014, in cross_entropy
return torch._C._nn.cross_entropy_loss(input, target, weight, _Reduction.get_enum(reduction), ignore_index, label_smoothing)
RuntimeError: “nll_loss_forward_reduce_cuda_kernel_2d_index” not implemented for ‘Int’
但是“eturn torch._C._nn.cross_entropy_loss”这段代码是在库里面的，刚开始我不敢改，就把训练的数据类型从int改成float，但是还是报错：
RuntimeError: “nll_loss_forward_reduce_cuda_kernel_2d_index” not implemented for ‘Double’
所以我只能试试改源码，改成这样：

加了一段“target = target.type(torch.int64)”，就可以了。原理俺还是不懂，为什么一定要转成torch.int64，但是可能有些时候需要浮点数，所以这个不知道咋办。。。。。。。。。总不能用一个框架改一次吧。先记录，以后再了解