deep-learning - pytorch Crossentropy 导致无法匹配的批量大小

Question

我正在使用数据加载器加载图像文件夹

图像文件夹由三个类别（标签）组成，即

'/root/ant/dsd.png'

'/root/ant/sfds.png'

...

……

'/root/bee/dsf.png'

……

..

'/根/乳清/sfd.png'

这里有 ant,bee,whey 三个类

通过执行上面的代码，我得到了一个错误，即输出和目标的大小不匹配

错误：预期输入 batch_size (3) 与目标 batch_size (1) 匹配。

我认为错误可能出在 trainloader 中，因为提取了不同形状不匹配的标签

data_transform = transforms.Compose([
        transforms.Resize(size=28),
        transforms.ToTensor()
    ])
     kumda_dataset = datasets.ImageFolder(root='/content/gdrive/My Drive/Colab Notebooks/images',
                                           transform=data_transform)
#train & test 
train_size = int(0.8 * len(kumda_dataset))
test_size = len(kumda_dataset) - train_size

#splitting
train_dataset, test_dataset = torch.utils.data.random_split(kumda_dataset, [train_size, test_size])

trainloader = torch.utils.data.DataLoader(train_dataset , batch_size = 1, shuffle = True)
testloader = torch.utils.data.DataLoader(test_dataset , batch_size = 4, shuffle = False )

model=nn.Linear(784,1)
criterion=nn.CrossEntropyLoss()
optimizer=optim.SGD(model.parameters(),lr=0.01)

num=10
for epoch in range(num):
  for i,(images,labels) in enumerate(trainloader):
    images=images.reshape(-1,28*28)
    output=model(images)
    loss=criterion(output,labels)
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()
    if(i+1%70==0):
        print("Epoch: {}/{}, \tIteration: {}/{}, \tLoss: {}".format(epoch + 1, num, i + 1,len(dataset_loader), loss.item()))

提前感谢您解决

Answer 1

您的线性层只为每个批次项目输出一个值。CrossEntropyLoss期望每个类有一个输出维度。改成

model=nn.Linear(784, 3)

因为你有 3 节课。