解决RuntimeError: _thnn_mse_loss_forward is not implemented for type torch.cuda.LongTensor和scatter_方法

在PyTorch中遇到了如标题的问题，我使用的MSE损失函数，网上大多数给的是类型不匹配问题，在stackoverflow找到了问题的答案，这里出现的问题是因为loss需要one-hot类型的数据，而我们使用的是类别标签。

什么是one-hot？

一个例子解释什么是one-hot，对于5分类问题，我们使用[0,0,1,0,0]来表示这个实例是属于第三个类别的，等价于类别标签[2]（从0对类别编码）。关于one-hot的好处，自行百度或google。

解决办法和scatter_函数介绍

我们需要将神经网络的预测out和实例本身的标签label变为one-hot形式，因为out和label里面存储的是最大值索引，所以变换依赖于Tensor对象的scatter_方法，在索引位置设为1，其他为0，关于方法介绍查看下面的链接
Pytorch 学习（5）：Pytorch中的 torch.gather/scatter_ 聚集/分散操作
官方文档
关于如何使用该方法实现one-hot，见如下链接
转换为one-hot格式

scatter方法就是将src中的值按照index张量中的索引赋给当前张量相应位置的值，这里需要注意一件事情是scatter_方法要求
can be either empty or the same size of src. When empty, the operation returns identity，即index数组必须与src数组的维度一致，经过实验它还必须与源数组一样，原数组为2维，那么下标数组必须为2维（你可以这样想，如果源为二维，index数组为一维，假设dim为1，那么我们就不能确定那些行需要变换。其中每一维的数量可以不相等，但有相应约束，可看官方文档）。其中src可以为某一个浮点数，我估计它内部是进行了广播机制的，将这个浮点数扩展为输出数组的维度。综上，我们需要将上面的out和label数组变为二维（因为one-hot是二维的），可以调用out=out.reshape(种类数,1)。（PS：在pytorch中，一维是只输入一个int型就行了，只要输入了两个int数，那么一定是二维的，所以“（种类数，1）”得到二维张量）
在torch中，一个函数后面加上_符号，表示对自己作用，不加表示返回值为作用结果，而自身不改变。
这样就解决这个问题了。