---
title: Mindspore报错：the dimension of logits must be equal to 2, but got 3.-昇腾社区
description: 系统环境： 训练脚本是通过构建SoftmaxCrossEntropyWithLogits的单算子网络，计算两个变量softmax 交叉熵的例子。脚本如下： 报错信息：
keywords: 无
url: https://www.hiascend.com/document/caselibrary/detail/topic_0000001524285446
section: (其他)
---

# Mindspore报错：the dimension of logits must be equal to 2, but got 3.-昇腾社区

URL: https://www.hiascend.com/document/caselibrary/detail/topic_0000001524285446
描述: 系统环境： 训练脚本是通过构建SoftmaxCrossEntropyWithLogits的单算子网络，计算两个变量softmax 交叉熵的例子。脚本如下： 报错信息：
关键词: 无

昇腾文档 [了解详情](https://www.hiascend.com/document)

故障案例 [了解详情](https://www.hiascend.com/document/caselibrary)

Mindspore报错：the dimension of logits must be equal to 2, but got 3.

Mindspore报错：the dimension of logits must be equal to 2, but got 3.

2023/05/23

690

问题信息

| 问题来源 | 产品大类 | 产品子类 | 关键字 |
| --- | --- | --- | ---|
| 官方 | 模型训练 | MindSpore | 无 |

#### 问题现象描述

系统环境：

```
Hardware Environment(Ascend/GPU/CPU): Ascend Software Environment: -- MindSpore version (source or binary): 1.6.0 -- Python version (e.g., Python 3.7.5): 3.7.6 -- OS platform and distribution (e.g., Linux Ubuntu 16.04): Ubuntu 4.15.0-74-generic -- GCC/Compiler version (if compiled from source):
```

训练脚本是通过构建SoftmaxCrossEntropyWithLogits的单算子网络，计算两个变量softmax 交叉熵的例子。脚本如下：

```
class Net(nn.Cell):
  def __init__(self):
    super(Net, self).__init__()
    self.loss = nn.SoftmaxCrossEntropyWithLogits(sparse=False)

  def construct(self, logits, labels):
    output = self.loss(logits, labels)
    return output

net = Net()
logits = Tensor(np.array([[[2, 4, 1, 4, 5], [2, 1, 2, 4, 3]]]), mindspore.float32)
labels = Tensor(np.array([[[0, 0, 0, 0, 1], [0, 0, 0, 1, 0]]]).astype(np.float32))
out = net(logits, labels)
print('out',out)
```

报错信息：

```
Traceback (most recent call last):
File 'demo.py', line 13, in <module>
    out = net(logits, labels)
…
ValueError: mindspore/core/utils/check_convert_utils.cc:395 CheckInteger] For primitive[SoftmaxCrossEntropyWithLogits], the dimension of logits must be equal to 2, but got 3.
The function call stack (See file ' rank_0/om/analyze_fail.dat' for more details):
\# 0 In file demo.py(04)
    output = self.loss(logits, labels)
```

#### 原因分析

在报错信息ValueError中，For primitive[SoftmaxCrossEntropyWithLogits], the dimension of logits must be equal to 2, but got 3，表示传入logits应该等于2维，但实际传入的logits的Shape是3维，查看官网对logits的描述可知，支持的Shape为(N,C)。如下图所示。

对于3维数据，建议先reshape成2维(N*L, C)，然后再调用nn.SoftmaxCrossEntropyWithLogits接口，执行完后再reshape回 (N, 1)。

参考文档：SoftmaxCrossEntropyWithLogits算子API接口 [了解详情](https://www.mindspore.cn/docs/api/zh-CN/r1.5/api_python/nn/mindspore.nn.SoftmaxCrossEntropyWithLogits.html?highlight=softmaxcrossentropywithlogits#mindspore.nn.SoftmaxCrossEntropyWithLogits)

#### 解决措施

基于以上原因，修改训练脚本：

```
class Net(nn.Cell):
    def __init__(self):
        super(Net, self).__init__()
        self.loss = nn.SoftmaxCrossEntropyWithLogits(sparse=False)

    def construct(self, logits, labels):
        output = self.loss(logits, labels)
        return output

net = Net()
logits = Tensor(np.array([[[2, 4, 1, 4, 5], [2, 1, 2, 4, 3]]]), mindspore.float32)
labels = Tensor(np.array([[[0, 0, 0, 0, 1], [0, 0, 0, 1, 0]]]).astype(np.float32))
L, N, C = logits.shape
logits,labels = logits.reshape(L*N, C),labels.reshape(L*N, C)
out = net(logits, labels)
out = out.reshape(N,1)
print('out',out)
```

执行训练。成功后输出如下：

```
out [[0.5899297 ]
[0.52374405]]
```

本页内容

- 问题信息
- 问题现象描述
- 原因分析
- 解决措施