在 PyTorch 使用 NLLLoss 计算损失时抛出 RuntimeError: expected scalar type Long but found Float，这个报错的核心含义是 NLLLoss 要求输入的标签 labels 必须是 Long 长整型，但是你传进去的标签是 Float 浮点型，优先的修复思路是转换 labels 的数据类型，而不是去修改图像张量的数据类型。之所以会出现这个限制，是 NLLLoss 的底层 CUDA 算子规定，分类标签代表类别索引号，是 0、1、2 这种整数，只能用 LongTensor，图像、模型输出 logits 这类张量通常是浮点，很多新手看到报错提示就直接把图像转类型，不仅解决不了问题，还会造成图像数值错乱、梯度异常。整套排查修复流程，第一步打印 labels 的 dtype，确认是不是 torch.float32；第二步使用 long () 或者 to (torch.long) 把标签转成长整型；第三步确认标签取值范围，不能出现负数或者大于分类总数；第四步传入 NLLLoss 重新跑代码验证。综合来看，这个报错根源基本都在标签数据类型不匹配，图像一般保持 Float 不变，只修正 labels 是最稳妥的方案。
一、报错触发场景清单
| 场景 | 错误写法 | 问题说明 |
|---|---|---|
| 标签是 float 直接传入 NLLLoss | loss = NLLLoss()(logits, labels) | labels 为 float，算子要求 Long |
| DataLoader 读取标签默认 float | dataset 返回标签是 torch.float32 | 数据集加载时类型没有做转换 |
| 标签做归一化、除法运算后变 float | labels = labels / 1.0 | 整数运算后自动转为浮点 |
| 混淆输入，改动图像 dtype | img = img.to(torch.long) | 图像是浮点，转 Long 会破坏像素信息 |
二、正确和错误修复代码对比
错误写法（改图像，不推荐）
img = img.to(torch.long)
正确写法（修改 labels）
labels = labels.to(torch.long)
或者
labels = labels.long()
检查标签类型和取值
print(labels.dtype)
print(labels.min(), labels.max())
三、分步排查操作
- 打印 labels 的 dtype，确认数据类型，定位是不是 Float
- 对 labels 执行 long () 转换，图像、模型输出 logits 保持 float 不变
- 校验标签数值，标签必须是合法类别索引，不能是小数、负数
- 重新送入 NLLLoss 计算损失，运行测试
- 长期根治：在 Dataset 内部返回标签时直接输出 Long 类型，避免每次训练循环转换
四、避坑要点
- NLLLoss、CrossEntropyLoss 对标签类型要求一致，都需要 Long 型索引
- logits / 模型输出必须是 Float，千万不要把输出转 Long
- 标签只能是类别序号，不能是概率、小数，小数就算转 Long 也会出错
- 不要被报错文字误导，报错里的 scalar type 指的是标签张量，不是图像张量
【相关 FAQ】
问题 1：RuntimeError: expected scalar type Long but found Float，NLLLoss 为什么要改 labels 而不是图像？
回答 1：RuntimeError: expected scalar type Long but found Float，NLLLoss 底层算子要求类别索引 labels 是 Long 整型，图像负责输入特征，本身就应该是 Float，修改图像会破坏像素数据，所以优先改 labels。
问题 2：RuntimeError: expected scalar type Long but found Float，NLLLoss 里 labels 怎么转 Long？
回答 2：RuntimeError: expected scalar type Long but found Float，NLLLoss 场景下 labels 可以使用 labels.long () 或者 labels.to (torch.long) 转换成 Long 类型。
问题 3：RuntimeError: expected scalar type Long but found Float，NLLLoss 这个报错会不会是 logits 的问题？
回答 3：RuntimeError: expected scalar type Long but found Float，NLLLoss 该报错绝大多数是 labels 类型为 Float，logits 正常是 Float 类型，一般不会触发这个类型报错。
问题 4：RuntimeError: expected scalar type Long but found Float，NLLLoss 转换完 labels 之后还需要检查什么？
回答 4：RuntimeError: expected scalar type Long but found Float，NLLLoss 转换完 labels 之后，还需要检查标签数值范围，不能是负数、小数，数值不能超过分类总类别数。
【参考资料】
[2026-11-08]（PyTorch NLLLoss expected scalar type Long but found Float 排错）PyTorch Discuss
[2026-10-14]（NLLLoss 与 CrossEntropyLoss 标签类型要求官方说明）PyTorch 官方文档
[2026-09-22]（DataLoader 标签 dtype 自动转换踩坑指南）Hugging Face 论坛
【免责声明】
本文内容基于 PyTorch NLLLoss 算子特性整理，RuntimeError: expected scalar type Long but found Float、NLLLoss 要改 labels 不要改动图像属于通用调试方案；不同数据集、数据增强逻辑可能带来额外标签异常，代码方案仅供模型调试参考，不保证适配所有自定义数据集脚本。