我目前正在研究一个PyTorch模型，它应该可以解决多标签、二分类问题。
我的模型的最后一层是Sigmoid层，我想使用Pytorch的BCELoss。
def train_step(self, x, y):
self._optim.zero_grad()
output = self._model(x)
loss = self._crit(output, y)
loss.backward()
self._optim.step()
这里，y是例如张量（[[0,0]]）（两个标签为整数），但输出是例如张量（[[0.5332,0.3933]]，grad_fn=
这会导致错误：
{RuntimeError}标量类型的预期对象浮点数，但在调用_thnn_binary_cross_entropy_forward时，参数#2'target'的标量类型为Long
知道怎么解决吗？
如果您定义了一个数据集类，您应该使用如下方式返回张量浮点类型的标签：
"targets": torch.tensor(self.target[item], dtype=torch.float)
