Pytorch: acerca de torch.nn.CrossEntropyLoss

acerca de torch.nn.CrossEntropyLoss,
estoy aprendiendo pytorch y tomando el proyecto anpr
(https://github.com/matthewearl/deep-anpr,
http://matthewearl.github.io/2016/05/06/cnn-anpr/)
como ejercicio, transplántelo a la plataforma pytorch.

hay un problema, estoy usando nn.CrossEntropyLoss() como función de pérdida:
criterio=nn.CrossEntropyLoss()

los datos de salida del modelo son:
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 de tamaño 4x253]

y objetivos.datos es:
1 0 0 ... 0 0 0
1 0 0 ... 0 0 0
1 0 0 ... 0 0 0
1 0 0 ... 0 0 0
[antorcha.DoubleTensor de tamaño 4x253]

cuando llamo:
pérdida=criterio(salida,objetivos)
ocurrió un error, la información es:
TypeError: FloatClassNLLCriterion_updateOutput recibió una combinación no válida de argumentos: obtuvo (int, torch.FloatTensor, torch.DoubleTensor, torch.FloatTensor, bool, NoneType, torch.FloatTensor), pero se esperaba (int state, torch.FloatTensor input, torch.LongTensor target , salida de torch.FloatTensor, promedio de tamaño bool, [pesos de torch.FloatTensor o ninguno], torch.FloatTensor total_weight)

'antorcha esperada.LongTensor','obtuve antorcha.DoubleTensor', pero si convierto los objetivos en LongTensor:
antorcha.LongTensor(numpy.array(targets.data.numpy(),numpy.long))
call loss=criterion(output,targets), el error es:
RuntimeError: múltiples objetivos no admitidos en /data/users/soumith/miniconda2/conda-bld/pytorch-0.1.10_1488752595704/work/torch/lib/THNN/generic/ClassNLLCriterion.c:20

mi último ejercicio es mnist, un ejemplo de pytorch, hice una pequeña modificación, lote_tamaño es 4, la función de pérdida:
pérdida = F.nll_loss(salidas, etiquetas)
salidas.datos:
-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 de tamaño 4x10]

etiquetas.datos:
8
6
0
1
[antorcha.LongTensor de tamaño 4]

las etiquetas, para una imagen de entrada, deben ser un solo elemento, en el ejemplo superior, hay 253 números, y en 'mnist', solo hay un número, la forma de las salidas es diferente de las etiquetas.

reviso el manual de tensorflow, tf.nn.softmax_cross_entropy_with_logits,
'Logits y etiquetas deben tener la misma forma [batch_size, num_classes] y el mismo dtype (ya sea float32 o float64).'

Entonces, ¿puedo usar pytorch en este caso o cómo puedo hacerlo?
muchas gracias