预期输入batch_size (64) 与目标batch_size (30) 匹配

Question

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 个输出类别。然而，每当我开始训练网络时，我都会收到此错误：ValueError: Expected input batch_size (64) to match target batch_size (30).这是我的神经网络定义和训练代码。我真的很感谢帮助，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 Architechturemodel = 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 losscriterion = nn.NLLLoss()#Initial forward passimages, 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 Optimizeroptimizer = optim.SGD(model.parameters(), lr = 0.01)训练网络：epochs = 10for 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

不是 100% 确定，但我认为错误在于这一行：

nn.Linear(7500, 4950)

除非您绝对确定您的输入是 7500，否则请输入 1 而不是 7500。请记住，第一个值始终是您的输入大小。通过设置 1，您将确保您的模型可以处理任何尺寸的图像。

顺便说一句，PyTorch 有一个扁平化功能。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images and image在 for 循环中用作变量和参数。这是非常糟糕的做法，因为每当别人阅读你的代码时，你都会让他们感到困惑。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？比如灰度、image_size 等。

Answer 2

错误结果出现在“for image, labels in trainloader:”行中（应该是图像）。修复了它，模型现在训练得很好。