pytorch resnet训练中出现的错误总结

错误总结"/>

pytorch resnet训练中出现的错误总结

以下是我在训练resnet时遇到的一些错误，记录下来！

错误1：pytorch训练报错TypeError: batch must contain tensors, numbers, dicts or lists found class PIL.Image.Image

原因：送入dataloader的img是用PIL.Image直接读取的，没有转换成tensor格式

解决方案：用torchvision.transforms.ToTensor()转化为tensor格式。

错误2：RuntimeError: The size of tensor a (58) must match the size of tensor b (56) at non-singleton dimension 3

原因：这与resnet网络的结构有关系，因为resnet的残差单元存在短路连接，所以要求输入的x和经过残差单元的输出y要具有一样的纬度，但是我在训练时输入的是58x58，但经过卷积等操作后，变成了56x56，所以没办法将他们cat在一起，所以会报错。

解决方案：修改了残差模块里的网络结构使x与feature map的大小相同。

错误3： File"D:\anaconda\anaconda\lib\sitepackages\torch\nn\functional.py", line 2228, in nll_lossout_size, target.size()))
ValueError: Expected target size (1, 1), got torch.Size([1, 10])

原因：因为我训练的类别有10类，所以我在构造label时，以为得用一个one-hot编码后的1x10维tensor作为label去计算损失函数

解决方案：实际上，nn.CrossEntropyLoss()损失函数只需要对应类别的索引即可，所以我们不用再进行one-hot编码。

错误4：“log_softmax” not implemented for 'Long’

原因：在计算交叉熵损失函数时， 需要long型的label

解决方案：按上图直接转换为long型的label。

错误5： 1D target tensor expected, multi-target not supported

同错误3.