项目场景:
图像分割解决多分类问题时使用F.cross_entropy计算交叉熵出现了问题
问题描述
使用U-Net图像分割时,计算F.cross_entropy时,总是报错
cuda error RuntimeError: cuda runtime error (59) : device-side assert triggered at …
Assertion t >= 0 && t < n_classes
failed.
出错代码为:
sub_cross_entropy = F.cross_entropy(pred.unsqueeze(dim=0),target.unsqueeze(dim=0).squeeze(1)).item()
pred.unsqueeze(dim=0) 的shape为[1,3,512,512]
target.unsqueeze(dim=0).squeeze(1) 的shape为 [1,512,512]
由于我的分割设定的是3类别,根据torch.nn.functional.cross_entropy函数的官方解释分析,维度正确
原因分析:
一开始我以为是自己的target的标签种类超过了4种,检查后发现确实是三种,但问题出在我的标签没有按顺序排列,因为一些原因我设的标签是0,1,3,因此在Assertion 中会显示label值超过了n_classes值
总结报cuda error错误问题的原因:
- class_num与input的第二个维度不匹配
- label不是顺序排列
解决方案:
修改label值,使target中的标签只有0,1,2