[英]how can i fix pytorch predict problem with deep learning
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
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)
。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.