MindSpore报ValueError:rank in NLLLoss should be int and must be

最新推荐文章于 2024-10-05 08:57:27 发布

skytier

最新推荐文章于 2024-10-05 08:57:27 发布

阅读量88

点赞数

文章标签： python ubuntu 开发语言

本文链接：https://blog.csdn.net/skytttttt9394/article/details/129138638

版权

文章描述了一位开发者在使用MindSpore1.6版本时遇到NLLLoss算子报错的问题。报错原因是MindSpore的NLLLoss函数目前仅支持(N,C)形状的数据，而不支持(N,C,d1,d2)等多维输入，这与PyTorch的行为不同。解决方案是用户需自行封装函数，官方将在后续版本考虑增加此类需求的支持。

摘要由CSDN通过智能技术生成

1 报错描述

1.1 系统环境

Hardware Environment(Ascend/GPU/CPU): Ascend Software Environment: -- MindSpore version (source or binary): 1.6.0 -- Python version (e.g., Python 3.7.5): 3.7.6 -- OS platform and distribution (e.g., Linux Ubuntu 16.04): Ubuntu 4.15.0-74-generic -- GCC/Compiler version (if compiled from source):

1.2 基本信息

1.2.1 脚本

根据标杆torch算子NLLLoss的用例，编写输入为(N, C, d1, d2)的用例，脚本如下：

 01 loss = nn.NLLLoss()
 02 input = torch.randn(5, 4, 8, 8)
 03 m = nn.LogSoftmax(dim=1)
 04 target = torch.empty(5, 8, 8, dtype=torch.long).random_(0, 4)
 05 loss = loss(m(input), target)
 06 print('torch_loss',loss)
 07
 08 m = mn.LogSoftmax(axis=1)
 09 loss = ops.NLLLoss()
 10 input = Tensor(np.random.randn(5, 4,8,8), mindspore.float32)
 11 labels = Tensor([1, 0,1, 1], mindspore.int32)
 12 weight = Tensor(np.random.rand(5,8,8), mindspore.float32)
 13 loss, weight = loss(m(input), labels, weight)
 14 print('mindspore_loss:',loss)
复制

1.2.2 报错

这里报错信息如下：

Traceback (most recent call last):
 File demo.py, line 13, in &lt;module&gt;
    loss, weight = loss(m(input), labels, weight)
…
File "/lib/python3.7/site-packages/mindspore/_checkparam.py", line 238, in check_int
  return check_number(arg_value, value, rel, int, arg_name, prim_name)
 File " /lib/python3.7/site-packages/mindspore/_checkparam.py", line 168, in check_number
  raise type_except(f'{prim_info} should be {arg_type.__name__} and must {rel_str}, '
ValueError: `x rank` in `NLLLoss` should be int and must in [1, 2], but got `4` with type `int
复制

原因分析

在MindSpore 1.6版本，利用对标算子的用例编写输入为(N, C, d1, d2)的用例。先看报错信息，在ValueError中，写到x rank in NLLLos should be int and must in [1, 2], but got 4 with type int，意思是传的NLLLoss的x_rank参数应该为int，而且应该在[1, 2]之间，但是你传进去的是int类型的4，由报错行数line13，检查传入数据可知我们传入了为4维的(5, 4, 8, 8)，而torch传入该类型数据能支持，这是由于目前MindSpore暂不支持(N,C,d1,d2,...,dK) with K≥1类型，这点在旧版本的PyTorch与MindSpore API映射对比中描述为功能一致，此处文档有误(见下图)，目前标杆算子和MindSpore框架支持的NLLLoss算子功能存在一定差异，MindSpore目前只支持 shape为(N,C)的数据(如下图所示)。