Pytorch: à propos de torch.nn.CrossEntropyLoss

à propos de torch.nn.CrossEntropyLoss,
j'apprends pytorch et je prends le projet anpr
(https://github.com/matthewearl/deep-anpr,
http://matthewearl.github.io/2016/05/06/cnn-anpr/)
comme exercice, transplantez-le sur la plate-forme pytorch.

il y a un problème, j'utilise nn.CrossEntropyLoss() comme fonction de perte :
critère=nn.CrossEntropyLoss()

la sortie.données du modèle est :
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
[torche.FloatTensor de taille 4x253]

et target.data est :
1 0 0 ... 0 0 0
1 0 0 ... 0 0 0
1 0 0 ... 0 0 0
1 0 0 ... 0 0 0
[torche.DoubleTensor de taille 4x253]

quand j'appelle :
perte=critère(sortie,cibles)
une erreur s'est produite, les informations sont :
TypeError : FloatClassNLLCriterion_updateOutput a reçu une combinaison d'arguments non valide : obtenu (int, torch.FloatTensor, torch.DoubleTensor, torch.FloatTensor, bool, NoneType, torch.FloatTensor), mais attendu (int state, torch.FloatTensor input, torch.LongTensor target , sortie torch.FloatTensor, bool sizeAverage, [torch.FloatTensor weights or None], torch.FloatTensor total_weight)

'expected torch.LongTensor','got torch.DoubleTensor', mais si je convertis les cibles en LongTensor :
torche.LongTensor(numpy.array(targets.data.numpy(),numpy.long))
call loss=criterion(output,targets), l'erreur est :
RuntimeError : multi-cible non pris en charge sur /data/users/soumith/miniconda2/conda-bld/pytorch-0.1.10_1488752595704/work/torch/lib/THNN/generic/ClassNLLCriterion.c:20

mon dernier exercice est mnist, un exemple de pytorch, j'ai fait un peu de modification, batch_size est 4, la fonction de perte :
perte = F.nll_loss(sorties, étiquettes)
sorties.données :
-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
[torche.FloatTensor de taille 4x10]

étiquettes.données :
8
6
0
1
[torche.LongTensor de taille 4]

les étiquettes, pour une image d'entrée, doivent être un seul élément, dans l'exemple supérieur, il y a 253 nombres, et dans 'mnist', il n'y a qu'un seul nombre, la forme des sorties est différente des étiquettes.

je passe en revue le manuel de tensorflow, tf.nn.softmax_cross_entropy_with_logits,
'Les logits et les étiquettes doivent avoir la même forme [batch_size, num_classes] et le même type (float32 ou float64).'

alors, puis-je utiliser pytorch dans ce cas, ou comment puis-je faire?
merci beaucoup