[0-size Tensor No.203] Add 0-size Tensor support for paddle.nn.functional.multi_margin_loss - #341

@co63oc numpy error 代表配置初始化时失败。这五个看上去也是错误配置，直接删去即可～

已修改删除 @cangtianhuang

帮忙把这里面的也一齐删掉吧！这些配置应该都是无效的
report/0size_tensor_cpu/error_api.txt、
report/0size_tensor_gpu/error_api_paddleonly.txt、
report/0size_tensor_gpu/error_api.txt、
report/0size_tensor_gpu/error_config_paddleonly.txt

report/0size_tensor_gpu/error_config_paddleonly.txt

已删除

paddle.nn.functional.multi_margin_loss(Tensor([5, 0],"float64"), Tensor([5],"int64"), p=1, margin=1.0, weight=None, reduction="mean", name=None, )

该配置在 apitest 中能够正常拦截，但是直接运行会抛出 cuda700 错误：

import paddle

# paddle.nn.functional.multi_margin_loss(Tensor([5, 0],"float64"), Tensor([5],"int64"), p=1, margin=1.0, weight=None, reduction="mean", name=None, )

input = paddle.zeros([5, 0], dtype='float64')
label = paddle.ones([5], dtype="int64")
result = paddle.nn.functional.multi_margin_loss(input, label, p=1, margin=1.0, weight=None, reduction="mean")
print(result)

这是对用户不友好的行为，co 师傅可以尝试向 paddle 库中提出 issue，或者直接提交 pr 尝试修复一下😉～

paddle.nn.functional.multi_margin_loss(Tensor([5, 0],"float64"), Tensor([5],"int64"), p=1, margin=1.0, weight=None, reduction="mean", name=None, )

该配置在 apitest 中能够正常拦截，但是直接运行会抛出 cuda700 错误：

import paddle

# paddle.nn.functional.multi_margin_loss(Tensor([5, 0],"float64"), Tensor([5],"int64"), p=1, margin=1.0, weight=None, reduction="mean", name=None, )

input = paddle.zeros([5, 0], dtype='float64')
label = paddle.ones([5], dtype="int64")
result = paddle.nn.functional.multi_margin_loss(input, label, p=1, margin=1.0, weight=None, reduction="mean")
print(result)

这是对用户不友好的行为，co 师傅可以尝试向 paddle 库中提出 issue，或者直接提交 pr 尝试修复一下😉～

好的，代码查看应是其他api的问题

是的，这个问题可以记录一下，那这个 pr 可以先合入，因为 torch 也不支持 0size：

import torch

# paddle.nn.functional.multi_margin_loss(Tensor([5, 0],"float64"), Tensor([5],"int64"), p=1, margin=1.0, weight=None, reduction="mean", name=None, )

input = torch.zeros([5, 0], dtype=torch.float64)
target = torch.ones([5], dtype=torch.int64)
result = torch.nn.functional.multi_margin_loss(input, target, p=1, margin=1.0, weight=None, reduction="mean")
print(result)

是的，这个问题可以记录一下，那这个 pr 可以先合入，因为 torch 也不支持 0size：

好的