CrossEntropyLoss（或NLLLoss）要求target类型为Long。例如，下面的代码引发RuntimeError：

import torch.nn 

criterion = torch.nn.CrossEntropyLoss()

predicted = torch.rand(10, 10, dtype=torch.float)
target = torch.rand(10) #.to(torch.long)
criterion(predicted, target)
# RuntimeError: expected scalar type Long but found Float

您需要取消对转换的注解才能使其工作。我想不出更大的问题，但为什么要麻烦首先将整数转换为浮点型呢？
关于torch.tensor和torch.FloatTensor的使用，我更喜欢前者。torch.FloatTensor似乎是遗留构造函数，并且它不接受device作为参数。同样，我不认为这是一个大问题，但使用torch.tensor仍然增加了代码的可读性。

我已经能够在所有类型的dtype上使用FloatTensor。
不能求整数Tensor的平均值，这是有道理的。

a = th.tensor([1,1])
b = th.tensor([2,2])

th.mean(th.stack([a,b]))

RuntimeError: Can only calculate the mean of floating types. Got Long instead.