我想获取我的神经网络训练部分的准确率，但出现了以下错误：
correct += (prediction.argmax(1) == y).type(torch.float).item()
ValueError: only one element tensors can be converted to Python scalars
这是我的代码：

def train_loop(dataloader, model, optimizer):
    model.train()
    size = len(dataloader.dataset)
    correct = 0, 0
    l_loss = 0
    for batch, (X, y) in enumerate(dataloader):
        prediction = model(X)
        loss = cross_entropy(prediction, y)
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        correct += (prediction.argmax(1) == y).type(torch.float).sum().item()
        loss, current = loss.item(), batch * len(X)
        l_loss = loss
        print(f"loss: {loss:>7f}  [{current:>5d}/{size:>5d}]")
    correct /= size
    accu = 100 * correct
    train_loss.append(l_loss)
    train_accu.append(accu)
    print(f"Accuracy: {accu:>0.1f}%")

我不明白为什么它不起作用，因为在我的测试部分，使用完全相同的代码行时运行得很好。

回答：

item 函数用于将单元素张量转换为标准的Python数字，如这里所述。请确保在使用item()之前，sum()的结果只是一个单元素张量。

x = torch.tensor([1.0,2.0]) # 包含2个元素的张量
x.item()

错误信息：ValueError: only one element tensors can be converted to Python scalars

尝试使用以下代码：

prediction = prediction.argmax(1)
correct = prediction.eq(y)
correct = correct.sum()
print(correct) # 检查是否为单值张量
correct_sum += correct.item()