我仅使用单类数据集进行训练，包含多类缺陷。此时训练classifier时loss一直为0，因为CrossEntropyLoss() 期望的 pred 形状是 [batch_size, num_classes]，其中 num_classes >= 2。那么对于单类别数据集，我能否不使用classifer权重，直接进行sample？
即注释sample中cond_fn=cond_fn对吗
x1 = test_sampler.p_sample_loop(
model=model,
noise=xt,
device=device,
# cond_fn=cond_fn, # 注释掉这行
model_kwargs={'y': y},
s=s,
)
我仅使用单类数据集进行训练，包含多类缺陷。此时训练classifier时loss一直为0，因为CrossEntropyLoss() 期望的 pred 形状是 [batch_size, num_classes]，其中 num_classes >= 2。那么对于单类别数据集，我能否不使用classifer权重，直接进行sample？
即注释sample中cond_fn=cond_fn对吗
x1 = test_sampler.p_sample_loop(
model=model,
noise=xt,
device=device,
# cond_fn=cond_fn, # 注释掉这行
model_kwargs={'y': y},
s=s,
)