Pytorch: о torch.nn.CrossEntropyLoss

о torch.nn.CrossEntropyLoss,
я изучаю pytorch и беру проект anpr
(https://github.com/matthewearl/deep-anpr,
http://matthewearl.github.io/2016/05/06/cnn-anpr/)
в качестве упражнения пересадите его на платформу pytorch.

есть проблема, я использую nn.CrossEntropyLoss() как функцию потерь:
критерий=nn.CrossEntropyLoss()

выходные данные модели:
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 размером 4x253]

и target.data:
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 размером 4x253]

когда я звоню:
потеря = критерий (выход, цели)
произошла ошибка, информация такая:
TypeError: FloatClassNLLCriterion_updateOutput получил недопустимую комбинацию аргументов — получил (int, torch.FloatTensor, torch.DoubleTensor, torch.FloatTensor, bool, NoneType, torch.FloatTensor), но ожидал (int state, torch.FloatTensor input, torch.LongTensor target) , torch.FloatTensor output, bool sizeAverage, [torch.FloatTensor weights or None], torch.FloatTensor total_weight)

'ожидаемый torch.LongTensor', 'получил torch.DoubleTensor', но если я конвертирую цели в LongTensor:
torch.LongTensor(numpy.array(targets.data.numpy(),numpy.long))
потеря вызова = критерий (выход, цели), ошибка:
Ошибка выполнения: многоцелевой объект не поддерживается в /data/users/soumith/miniconda2/conda-bld/pytorch-0.1.10_1488752595704/work/torch/lib/THNN/generic/ClassNLLCriterion.c:20

мое последнее упражнение - mnist, пример из pytorch, я немного модифицировал, размер партии равен 4, функция потерь:
потеря = F.nll_loss (выходные данные, метки)
выходы.данные:
-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 размером 4x10]

этикетки.данные:
8
6
0
1
[torch.LongTensor размера 4]

метки для входного изображения должны быть одним элементом, в верхнем примере 253 числа, а в «mnist» есть только одно число, форма выходов отличается от меток.

я просматриваю руководство по тензорному потоку, tf.nn.softmax_cross_entropy_with_logits,
«Логиты и метки должны иметь одинаковую форму [batch_size, num_classes] и один и тот же тип dtype (либо float32, либо float64)».

Итак, могу ли я использовать pytorch в этом случае или как мне это сделать?
большое спасибо