Question

我正在尝试实施和训练original U-Net model，但是当我尝试使用ISBI Challenge Dataset训练模型时会陷入困境。

根据原始的U-Net模型，网络输出具有2个通道且大小为388 x 388的图像。因此，我用于训练的数据加载器生成了张量为 [batch，channel = 1，用于输入图像的width = 572，height = 572] 和用于目标/输出图像的 [批处理，通道= 2，width = 388，width = 388] 。

我的问题实际上是，当我尝试使用nn.CrossEntropyLoss（）时，会引发以下错误：

RuntimeError：无效参数3：仅支持成批的空间目标（3D张量），但尺寸目标为：4，位于/ opt / conda / conda-bld / pytorch_1556653099582 / work / aten / src / THNN / generic / SpatialClassNLLCriterion。 c：59

我只是从PyTorch（这里是新手）开始……所以，如果有人可以帮助我克服这个问题，我将不胜感激。

源代码可在GitHub上获得：

https://github.com/dalifreire/cnn_unet_pytorch https://github.com/dalifreire/cnn_unet_pytorch/blob/master/unet_pytorch.ipynb

最诚挚的问候！

Answer 1

来自PyTorch的CrossEntropyLoss文档字符串：

Shape:

    - Input: :math:`(N, C)` where `C = number of classes`, or
      :math:`(N, C, d_1, d_2, ..., d_K)` with :math:`K \geq 1`
      in the case of `K`-dimensional loss.

    - Target: :math:`(N)` where each value is :math:`0 \leq \text{targets}[i] \leq C-1`, or
      :math:`(N, d_1, d_2, ..., d_K)` with :math:`K \geq 1` in the case of
      K-dimensional loss.

    - Output: scalar.
      If :attr:`reduction` is ``'none'``, then the same size as the target:
      :math:`(N)`, or
      :math:`(N, d_1, d_2, ..., d_K)` with :math:`K \geq 1` in the case
      of K-dimensional loss.

如果目标已经包含类索引，则应删除通道维。

Source

如何使用PyTorch训练原始的U-Net模型？

1 个答案: