Case 1

将含有两个及以上的布尔值的张量用在了 if 判断条件里：

a = torch.tensor([True, False])
if a:
    pass

出现这种错误的可能原因之一是想判断 a 不为 None，此时应改为如下语句

if a is not None:

需要注意的是，如果 a 只含一个布尔值，则判断不会出现错误：

a = torch.tensor([True])
if a:
    print(1)
# 1

Case 2

使用交叉熵损失时没有先实例化：

inputs = torch.randn(6, 4)
target = torch.randint(4, (6, ))
loss = nn.CrossEntropyLoss(inputs, target)

应先实例化再计算损失：

criterion = nn.CrossEntropyLoss()
loss = criterion(inputs, target)

Case 3

对含有两个及以上的布尔值张量执行了 or、and、not 这样的操作：

a = torch.tensor([True, False])
b = torch.tensor([False, True])
""" 以下三种操作都会报错 """
print(a or b)
print(a and b)
print(not a)

需要注意的是，如果 a 和 b 都只含一个布尔值，则不会出现错误：

a = torch.tensor([True])
b = torch.tensor([False])
print(a or b)
# tensor([True])
print(a and b)
# tensor([False])
print(not a)
# False