0

我目前正在训练一个神经网络来对食物图像的食物组进行分类，从而产生 5 个输出类。但是，每当我开始训练网络时，都会出现以下错误：

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

这是我的神经网络定义和训练代码。我真的很需要帮助，我对 pytorch 比较陌生，无法弄清楚我的代码中到底有什么问题。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)

训练网络：

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)}")
4

2 回答 2

0

不是 100% 肯定，但我认为错误在这一行：

nn.Linear(7500, 4950)

除非您绝对确定您的输入是 7500，否则请使用 1 而不是 7500。请记住，第一个值将始终是您的输入大小。通过输入 1，您将确保您的模型可以处理任何大小的图像。

顺便说一下，PyTorch 有一个flatten功能。使用nn.Flatten而不是使用，images.view()因为您不想犯任何形状错误并必然浪费更多时间。

您犯的另一个小错误是您继续在images and imagefor 循环中用作变量和参数。这是非常糟糕的做法，因为每当他们阅读您的代码时，您都会使他们感到困惑。确保不要一遍又一遍地重复使用相同的变量。

另外，您能否提供有关您的数据的更多信息？就像它是灰度，image_size等。

于 2020-10-14T19:48:17.870 回答
0

错误结果出现在“用于图像，trainloader 中的标签：”行中（应该是图像）。修复它，模型的训练现在很好。

于 2020-10-14T20:02:33.233 回答