Question

给出groups=1，权重为[48, 3, 3, 3]，期望输入[5, 128, 129, 4]具有3个通道，但改为128个通道。

这是我的代码：

    **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)

我不知道如何解决此问题以预测我的比赛

Answer 1

我假设是

.pfx

您的意思是测试数据包含3071个样本，每个样本具有128x128像素和3个颜色通道。另外我假设您使用的模型不会转置输入，因此卷积层需要默认布局，形状为（N，C，H，W），但是您提供的数据为（N，H，W ，C）。

解决方案：尝试将print(X_test.shape) (3071, 128, 128, 3)或image.transpose_(1, 3)交给模型。

我该如何修复pytorch预测深度学习的问题

1 个答案: