快捷導(dǎo)航

解決ToPILImage時(shí)出現(xiàn)維度報(bào)錯(cuò)問(wèn)題pic should be 2/3 dimensional. Got 4 dimensions.

更新時(shí)間：2024年02月27日 15:43:16 作者：brabradon

這篇文章主要介紹了解決ToPILImage時(shí)出現(xiàn)維度報(bào)錯(cuò)問(wèn)題pic should be 2/3 dimensional. Got 4 dimensions.具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教

ToPILImage時(shí)出現(xiàn)維度報(bào)錯(cuò)pic should be 2/3 dimensional. Got 4 dimensions.

主要原因是在數(shù)據(jù)集加載過(guò)程中加入了batch_size，將tensor變?yōu)榱怂木S。

print(img.shape)
img1 = img[0]
print(img1.shape)

直接將其轉(zhuǎn)為三維即可

PyTorch中常見(jiàn)報(bào)錯(cuò)

本部分介紹一些PyTorch中常見(jiàn)的報(bào)錯(cuò)信息及其解決方法

報(bào)錯(cuò)1：

ValueError: num_samples should be a positive integer value, but got num_samples=0

可能的原因：傳入的Dataset中的len(self.data_info)==0，即傳入該dataloader的dataset里沒(méi)有數(shù)據(jù)

解決方法：

檢查dataset中的路徑，路徑不對(duì)，讀取不到數(shù)據(jù)。
檢查Dataset的__len__()函數(shù)為何輸出為零

報(bào)錯(cuò)2：

TypeError: pic should be PIL Image or ndarray. Got <class 'torch.Tensor'>

可能的原因：當(dāng)前操作需要PIL Image或ndarray數(shù)據(jù)類型，但傳入了Tensor

解決

檢查transform中是否存在兩次ToTensor()方法
檢查transform中每一個(gè)操作的數(shù)據(jù)類型變化

報(bào)錯(cuò)3：

RuntimeError: invalid argument 0: Sizes of tensors must match except in dimension 0. Got 93 and 89 in dimension 1 at /Users/soumith/code/builder/wheel/pytorch-src/aten/src/TH/generic/THTensorMath.cpp:3616

可能的原因：dataloader的__getitem__函數(shù)中，返回的圖片形狀不一致，導(dǎo)致無(wú)法stack

解決方法：檢查_(kāi)_getitem__函數(shù)中的操作

報(bào)錯(cuò)4：

# 通道數(shù)不匹配
conv: RuntimeError: Given groups=1, weight of size 6 1 5 5, expected input[16, 3, 32, 32] to have 1 channels, but got 3 channels instead

# 維度不匹配
linear: RuntimeError: size mismatch, m1: [16 x 576], m2: [400 x 120] at ../aten/src/TH/generic/THTensorMath.cpp:752

可能的原因：網(wǎng)絡(luò)層輸入數(shù)據(jù)與網(wǎng)絡(luò)的參數(shù)不匹配

解決方法：

檢查對(duì)應(yīng)網(wǎng)絡(luò)層前后定義是否有誤
檢查輸入數(shù)據(jù)shape

報(bào)錯(cuò)5：

AttributeError: 'DataParallel' object has no attribute 'linear'

可能的原因：并行運(yùn)算時(shí)，模型被dataparallel包裝，所有module都增加一個(gè)屬性 module. 因此需要通過(guò) net.module.linear調(diào)用
解決方法：

網(wǎng)絡(luò)層前加入module.

報(bào)錯(cuò)6：

RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.

可能的原因：gpu訓(xùn)練的模型保存后，在無(wú)gpu設(shè)備上無(wú)法直接加載

解決方法：

需要設(shè)置map_location=“cpu”

報(bào)錯(cuò)7：

AttributeError: Can't get attribute 'FooNet2' on <module '__main__' from '

可能的原因：保存的網(wǎng)絡(luò)模型在當(dāng)前python腳本中沒(méi)有定義

解決方法：

提前定義該類

報(bào)錯(cuò)8：

這個(gè)錯(cuò)誤經(jīng)常在交叉熵?fù)p失函數(shù)中碰到

RuntimeError: Assertion `cur_target >= 0 && cur_target < n_classes' failed. at ../aten/src/THNN/generic/ClassNLLCriterion.c:94

可能的原因：

標(biāo)簽數(shù)大于等于類別數(shù)量，即不滿足 cur_target < n_classes，通常是因?yàn)闃?biāo)簽從1開(kāi)始而不是從0開(kāi)始

解決方法：

修改label，從0開(kāi)始，例如：10分類的標(biāo)簽取值應(yīng)該是0-9

報(bào)錯(cuò)9：

RuntimeError: expected device cuda:0 and dtype Long but got device cpu and dtype Long

可能的原因：需計(jì)算的兩個(gè)數(shù)據(jù)不在同一個(gè)設(shè)備上

解決方法：

采用to函數(shù)將數(shù)據(jù)遷移到同一個(gè)設(shè)備上

報(bào)錯(cuò)10：

Expected object of backend CPU but got backend CUDA for argument #2 'weight'

可能的原因：張量的to函數(shù)非原地操作，轉(zhuǎn)換數(shù)據(jù)設(shè)備未賦值，即inputs.to("CUDA")，此時(shí)，數(shù)據(jù)仍然在CPU上，未轉(zhuǎn)換成功

解決辦法：

inputs = inputs.to(device)

報(bào)錯(cuò)11：

RuntimeError: DataLoader worker (pid 27) is killed by signal: Killed. Details are lost
due to multiprocessing. Rerunning with num_workers=0 may give better error trace.

可能原因：內(nèi)存不夠（不是gpu顯存，是內(nèi)存）

解決方法：申請(qǐng)更大內(nèi)存