[Error] nll_loss2d_forward_kernel: block: [5,0,0], thread: [339,0,0] Assertion `t ＞= 0 && t ＜ n_clas

Error提示：

nll_loss2d_forward_kernel: block: [5,0,0], thread: [339,0,0] Assertion `t >= 0 && t < n_classes` failed.

而且奇怪的是，在训练中间断开：

| 39/101 [00:53<01:18,  1.27s/it]

代码细节：

数据都是统一处理的，算背景类，共有四类，使用min和max对target进行输出，tensor(0., device='cuda:0') ， tensor(3., device='cuda:0')，代表对target的处理应该没有问题吧

按照网上所提示的，在文件头加入：

import os

os.environ['CUDA_LAUNCH_BLOCKING'] = '1'

从而获得更详细提示，得出错误在cross_entropy_loss = F.cross_entropy(student_output, labels.squeeze(1).long())这一句上，

对这一句进行测试：

labels_f = labels.squeeze(1).long()

print("标签的最小值:", labels_f.min().item())

print("标签的最大值:", labels_f.max().item())

print("标签的dtype:", labels_f.dtype)

assert labels_f.min() >= 0, "标签张量包含负值。"

assert labels_f.max() < student_output.size(1), f"标签张量的值超出了有效的类别范围 [0, {student_output.size(1)-1}]。"

assert labels_f.dtype == torch.long, "标签张量的类型必须是 LongTensor。"

cross_entropy_loss = F.cross_entropy(student_output, labels_f)

发现错误地方输出标签的最大值: 127.0

随后寻找label被错误赋值的地方：发现了，标签BUG！ 我服了。

至此，已解决该问题，遇到了两次，第一次是类别设置错误，第二次发现标签有异常值。