调整 pytorch 中的图像大小以匹配 model 的尺寸不起作用

Question

在 model 上运行预测器时出现尺寸不匹配错误，即使训练、验证和测试工作正常。 我想这意味着预测器 model 中的图像处理存在问题。

class Predictor(nn.Module):

    def __init__(self, model, class_names, mean, std):
        super().__init__()

        self.model = model.eval()
        self.class_names = class_names
        
        self.transforms = nn.Sequential( # --- THIS MIGHT BE THE PROBLEM
            T.Resize([256, ]),
            T.CenterCrop(224),
            T.ConvertImageDtype(torch.float),
            T.Normalize(mean.tolist(), std.tolist())
        )

    def forward(self, x: torch.Tensor) -> torch.Tensor:
        with torch.no_grad():
            # Apply transforms --- THIS MIGHT BE THE PROBLEM TOO
            x  = self.transforms(x)

            # Get the logits
            x  = self.model(x)

            # Apply softmax
            x  = F.softmax(x, dim=1)

            return x

我尝试硬编码model class 的输入神经元的尺寸，它确实工作了几秒钟，然后我得到了另一个尺寸不匹配。

例如，在训练时，模型的输入神经元是128*7*7 ，然后我将其硬编码为57600 ，因为这是引发错误的输入维度。 它在预测过程中确实适用于 26 幅图像，但随后它引发了另一个维度不匹配错误，另一个维度为51200 。

这确实意味着传递给 model 的图像尺寸不一致！

这也意味着self.transforms(...)不起作用，因为如果它起作用了，就不会有尺寸不匹配