Pytorch: 关于 torch.nn.CrossEntropyLoss

关于torch.nn.CrossEntropyLoss，
我正在学习 pytorch，并参加 anpr 项目
（https://github.com/matthewearl/deep-anpr，
http://matthewearl.github.io/2016/05/06/cnn-anpr/)
作为练习，将其移植到 pytorch 平台。

有一个问题，我使用 nn.CrossEntropyLoss() 作为损失函数：
标准=nn.CrossEntropyLoss()

模型的 output.data 是：
1.00000e-02 *
-2.5552 2.7582 2.5368 ... 5.6184 1.2288 -0.0076
-0.7033 1.3167 -1.0966 ... 4.7249 1.3217 1.8367
-0.7592 1.4777 1.8095 ... 0.8733 1.2417 1.1521
-0.1040 -0.7054 -3.4862 ... 4.7703 2.9595 1.4263
[torch.FloatTensor 大小为 4x253]

和targets.data是：
1 0 0 ... 0 0 0
1 0 0 ... 0 0 0
1 0 0 ... 0 0 0
1 0 0 ... 0 0 0
[torch.DoubleTensor 大小为 4x253]

当我打电话时：
损失=标准（输出，目标）
发生错误，信息是：
TypeError：FloatClassNLLCriterion_updateOutput 收到无效的参数组合 - 得到（int，torch.FloatTensor，torch.DoubleTensor，torch.FloatTensor，bool，NoneType，torch.FloatTensor），但预期（int state，torch.FloatTensor 输入，torch.LongTensor 目标, torch.FloatTensor 输出, bool sizeAverage, [torch.FloatTensor weights or None], torch.FloatTensor total_weight)

'expected torch.LongTensor'，'got torch.DoubleTensor'，但是如果我将目标转换为 LongTensor：
torch.LongTensor(numpy.array(targets.data.numpy(),numpy.long))
调用 loss=criterion(output,targets)，错误是：
RuntimeError：/data/users/soumith/miniconda2/conda-bld/pytorch-0.1.10_1488752595704/work/torch/lib/THNN/generic/ClassNLLCriterion.c:20 不支持多目标

我的最后一个练习是mnist，一个来自pytorch的例子，我做了一点修改，batch_size是4，损失函数：
loss = F.nll_loss（输出，标签）
输出数据：
-2.3220 -2.1229 -2.3395 -2.3391 -2.5270 -2.3269 -2.1055 -2.2321 -2.4943 -2.2996
-2.3653 -2.2034 -2.4437 -2.2708 -2.5114 -2.3286 -2.1921 -2.1771 -2.3343 -2.2533
-2.2809 -2.2119 -2.3872 -2.2190 -2.4610 -2.2946 -2.2053 -2.3192 -2.3674 -2.3100
-2.3715 -2.1455 -2.4199 -2.4177 -2.4565 -2.2812 -2.2467 -2.1144 -2.3321 -2.3009
[torch.FloatTensor 大小为 4x10]

标签.数据：
8
6
0
1
[torch.LongTensor 大小为 4]

标签，对于输入图像，必须是单个元素，在上例中，有 253 个数字，而在 'mnist' 中，只有一个数字，输出的形状与标签不同。

我查看了 tensorflow 手册，tf.nn.softmax_cross_entropy_with_logits，
'Logits 和标签必须具有相同的形状 [batch_size, num_classes] 和相同的 dtype（float32 或 float64）。

那么，在这种情况下我可以使用 pytorch，或者我该怎么做？
很多想法