记.backward()报错

最近我在模型训练损失里加入了LPIPS深度感知损失，训练的时候就出现了如上的报错，具体解释为：调用梯度反向传播loss.backward()时，我们计算梯度，需要一个标量的loss(即该loss张量的维度为1,只包含一个元素）；而LPIPS的输出的loss为一个[4,1,1,1]的4维张量(batch_size,c,h,w)，因此报错。

修正：

def lpips_loss(img1, img2):
    # loss_fn_alex = lpips.LPIPS(net='alex')  # best forward scores
    loss_fn_vgg = lpips.LPIPS(net='vgg')  # closer to "traditional" perceptual loss, when used for optimization
    loss_fn_vgg.cuda()
    loss = loss_fn_vgg.forward(img1, img2)
    loss = torch.mean(loss)
    return loss

参考：

grad can be implicitly created only for scalar outputs-CSDN博客https://blog.csdn.net/qq_39208832/article/details/117415229
lpips · PyPIhttps://pypi.org/project/lpips/