Pytorch: über Torch.nn.CrossEntropyLoss

über Torch.nn.CrossEntropyLoss,
Ich lerne Pytorch und nehme am Anpr-Projekt teil
(https://github.com/matthewearl/deep-anpr,
http://matthewearl.github.io/2016/05/06/cnn-anpr/)
Als Übung verpflanzen Sie es auf die Pytorch-Plattform.

Es gibt ein Problem, ich verwende nn.CrossEntropyLoss() als Verlustfunktion:
Kriterium=nn.CrossEntropyLoss()

die output.data des Modells ist:
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 der Größe 4x253]

und target.data ist:
1 0 0 ... 0 0 0
1 0 0 ... 0 0 0
1 0 0 ... 0 0 0
1 0 0 ... 0 0 0
[Fackel.DoubleTensor der Größe 4x253]

wenn ich anrufe:
Verlust=Kriterium(Output,Ziele)
Fehler aufgetreten, Informationen sind:
TypeError: FloatClassNLLCriterion_updateOutput hat eine ungültige Kombination von Argumenten erhalten – erhalten (int, Torch.FloatTensor, Torch.DoubleTensor, Torch.FloatTensor, Bool, NoneType, Torch.FloatTensor), aber erwartet (Int-Status, Torch.FloatTensor-Eingabe, Torch.LongTensor-Ziel). , Torch.FloatTensor-Ausgabe, bool sizeAverage, [Torch.FloatTensor-Gewichte oder None], Torch.FloatTensor-Gesamtgewicht)

'erwartete Torch.LongTensor','hat Torch.DoubleTensor', aber wenn ich die Ziele in LongTensor umwandle:
Torch.LongTensor(numpy.array(targets.data.numpy(),numpy.long))
call loss=criterion(output,targets), der Fehler ist:
RuntimeError: Multi-Target nicht unterstützt bei /data/users/soumith/miniconda2/conda-bld/pytorch-0.1.10_1488752595704/work/torch/lib/THNN/generic/ClassNLLCriterion.c:20

meine letzte übung ist mnist, ein beispiel von pytorch, ich habe eine kleine änderung vorgenommen, batch_size ist 4, die verlustfunktion:
loss = F.nll_loss(Ausgänge, Labels)
Ausgänge.Daten:
-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 der Größe 4x10]

Etiketten.Daten:
8
6
0
1
[torch.LongTensor der Größe 4]

Die Beschriftungen für ein Eingabebild müssen ein einzelnes Element sein, im oberen Beispiel gibt es 253 Zahlen, und in „mnist“ gibt es nur eine Zahl, die Form der Ausgaben unterscheidet sich von den Beschriftungen.

Ich überprüfe das Tensorflow-Handbuch, tf.nn.softmax_cross_entropy_with_logits,
'Logits und Labels müssen dieselbe Form [batch_size, num_classes] und denselben dtype (entweder float32 oder float64) haben.'

Kann ich in diesem Fall Pytorch verwenden oder wie kann ich das tun?
vielen Dank