原做的是二分类，在训练的时候遇到了这个报错。

 for i, (inputs, target) in enumerate(trainloader):
            # forward
            output = net(inputs)
            # compute loss
            loss = criterion(output, target)
            optimizer.zero_grad()
            # backward
            loss.backward()
            optimizer.step()

就这样一个简单的训练过程，可是在loss = criterion(output,target)中报错：

        RuntimeError: 1D target tensor expected, multi-target not supported

        print出target：

            tensor([[0],
                        [0],
                        [0],
                        [0],
                        [0],
                        [1],
                        [0],
                        [0],
                        [0],
                        [0]])

在criterion之前将target转为1维： 

target = target.view(1, -1)  # 转换为1维

        结果：tensor([[0, 0, 0, 0, 0, 1, 0, 0, 0, 0]])。

还是报错：ValueError: Expected input batch_size (10) to match target batch_size (1).

这里可以看到结果和一般label的形式不太一样，tensor([[]])多了一个框，一般是tensor([])，这里将target降维处理：

target = target.squeeze()

        结果：tensor([0, 0, 0, 0, 0, 1, 0, 0, 0, 0])。

这样就没有报错了，至于为什么要出现这样，可能是之前在生成label的时候使用了np.array()，将label转成了二维的数组。