Question

我目前正在训练一个神经网络，对食物图像的食物组进行分类，从而得到5种输出类别。但是，每当我开始训练网络时，都会出现此错误：

ValueError: Expected input batch_size (64) to match target batch_size (30).

这是我的神经网络定义和培训代码。我真的会寻求帮助，我是pytorch的新手，无法确切了解代码中的问题。谢谢！

#Define the Network Architechture

model = nn.Sequential(nn.Linear(7500, 4950),
                      nn.ReLU(),
                      nn.Linear(4950, 1000),
                      nn.ReLU(),
                      nn.Linear(1000, 250),
                      nn.ReLU(),
                      nn.Linear(250, 5),
                      nn.LogSoftmax(dim = 1))


#Define loss
criterion = nn.NLLLoss()

#Initial forward pass
images, labels = next(iter(trainloader))
images = images.view(images.shape[0], -1)
print(images.shape)

logits = model(images)
print(logits.size)
loss = criterion(logits, labels)
print(loss)

#Define Optimizer
optimizer = optim.SGD(model.parameters(), lr = 0.01)

培训网络：

epochs = 10

for e in range(epochs):
    running_loss = 0
    for image, labels in trainloader:
        #Flatten Images
        images = images.view(images.shape[0], -1)
        #Set gradients to 0
        optimizer.zero_grad()

        #Output
        output = model(images)
        loss = criterion(output, labels) #Where the error occurs
        loss.backward()

        #Gradient Descent Step
        optimizer.step()
        running_loss += loss.item()
    else:
        print(f"Training loss: {running_loss/len(trainloader)}")

Answer 1

不确定100％，但我认为错误在于此行：

nn.Linear(7500, 4950)

输入1而不是7500，除非您完全确定输入为7500。请记住，第一个值将始终是输入大小。放置1，可以确保您的模型可以处理任何尺寸的图像。

顺便说一句，PyTorch具有展平功能。使用nn.Flatten而不是images.view()，因为您不想犯任何形状错误，也不必浪费更多时间。

您犯的另一个小错误是继续在{循环中使用images and image作为变量和参数。这确实是一种不好的做法，因为每当别人阅读您的代码时，您都会使他们感到困惑。确保不要重复使用相同的变量。

还可以提供有关数据的更多信息吗？像是灰度，image_size等。

Answer 2

错误结果出在“对于图像，trainloader中的标签：”行（应该是图像）。修复它，现在模型的训练很好。

Pytorch NN错误：预期输入batch_size（64）匹配目标batch_size（30）

2 个答案: