RuntimeError: Boolean value of Tensor with more than one value is ambiguous

RuntimeError: Boolean value of Tensor with more than one value is ambiguous

其中文意思大致是该张量含有多个（1个以上不含1个）boolean值，是不明确的，即无法比较。

(1)报错的原因可能是loss函数申明没有加括号函数或者可调用对象使用时候没有加括号，参考链接。

loss_function=nn.MSELoss   #错误
loss_function=nn.MSELoss() #正确

(2)这里结合上述中文意思举报错的例子：

features = torch.zeros(8, 32)

if features[1] == torch.zeros(32): # if 语句里面的条件无法判断
	print('true')

看一下if条件的实际结果是

print(features[1] == torch.zeros(32))
"""
tensor([True, True, True, True, True, True, True, True, True, True, True, True,
        True, True, True, True, True, True, True, True, True, True, True, True,
        True, True, True, True, True, True, True, True])
"""

从上面可以看出确实存在了多个boolean值。

如果含有1个是时候就不会出现报错情况。如：

a = torch.zeros(1)
b = torch.ones(1)
if not a == b:
	print('false')
print(a == b)  # tensor([False])
print((a == b) or (a == b))  # tensor([False])

以上就是报错的原因。

下面讲述一下比较两个张量是否相等的方法，如果是比较两个张量是否完全一致，直接用equal()即可：

features = torch.zeros(8, 32)
print(features[1].equal(torch.zeros(32))) # True

再讲述一下张量为TRUE或FALSE的相关操作。加法一定程度类似于或运算，而乘法一定程度类似于与运算，可以灵活操作。

a = torch.zeros(2)
b = torch.ones(2) 
print(a == b)  # tensor([False, False])
print(a != b)  # tensor([True, True])
print((a == b) + (a != b))  # tensor([True, True])
print((a == b) + (a == b))  # tensor([False, False])
print((a == b) * (a != b))  # tensor([False, False])

如果是以下的or，and类似的操作，依旧会报上面的错误，因为无法判断超过1个boolean的情况

a = torch.zeros(2)
b = torch.ones(2)
print((a == b) or (a != b)) # RuntimeError: Boolean value of Tensor with more than one value is ambiguous