我如何修復 pytorch 預測深度學習的問題

Question

給定groups=1 ，大小為[48, 3, 3, 3]的權重，預期輸入[5, 128, 129, 4]有 3 個通道，但有 128 個通道。

這是我的代碼：

    **model_ft.eval()
    for image in test_loader:
        image = image.cuda()
        output = model_ft(image)
        output = output.cpu().detach().numpy()
        for i, (e, n) in enumerate(list(zip(output, name))):
            sub.loc[sub['id_code'] == n.split('/')[-1].split('.')[0], 'diagnosis'] = le.inverse_transform([np.argmax(e)])
            
    sub.to_csv('submission.csv', index=False)**
    
    print(X_test.shape)
    (3071, 128, 128, 3)
    from torch.utils.data import DataLoader
    test_loader = DataLoader(X_test, batch_size=5, shuffle=True)
    print(train_data)

我不知道如何解決這個問題來預測我的競爭

Answer 1

我假設

print(X_test.shape)
(3071, 128, 128, 3)

你的意思是測試數據有 3071 個樣本，每個樣本有 128x128 像素和 3 個顏色通道。 另外我假設您使用的 model 不會轉置輸入，因此卷積層期望默認布局為形狀 (N, C, H, W) 但您提供的數據為 (N, H, W ， C）。

解決方案：在將其交給 model 之前，嘗試image.transpose_(1, 3)或image = image.cuda().transpose(1, 3) 。