ToPILImage時出現(xiàn)維度報錯pic should be 2/3 dimensional. Got 4 dimensions.

主要原因是在數(shù)據(jù)集加載過程中加入了batch_size，將tensor變?yōu)榱怂木S。

print(img.shape)
img1 = img[0]
print(img1.shape)

直接將其轉(zhuǎn)為三維即可

PyTorch中常見報錯

本部分介紹一些PyTorch中常見的報錯信息及其解決方法

報錯1：

ValueError: num_samples should be a positive integer value, but got num_samples=0

可能的原因：傳入的Dataset中的len(self.data_info)==0，即傳入該dataloader的dataset里沒有數(shù)據(jù)

解決方法：

• 檢查dataset中的路徑，路徑不對，讀取不到數(shù)據(jù)。
• 檢查Dataset的__len__()函數(shù)為何輸出為零

報錯2：

TypeError: pic should be PIL Image or ndarray. Got <class 'torch.Tensor'>

可能的原因：當(dāng)前操作需要PIL Image或ndarray數(shù)據(jù)類型，但傳入了Tensor

解決

• 檢查transform中是否存在兩次ToTensor()方法
• 檢查transform中每一個操作的數(shù)據(jù)類型變化

報錯3：

RuntimeError: invalid argument 0: Sizes of tensors must match except in dimension 0. Got 93 and 89 in dimension 1 at /Users/soumith/code/builder/wheel/pytorch-src/aten/src/TH/generic/THTensorMath.cpp:3616

可能的原因：dataloader的__getitem__函數(shù)中，返回的圖片形狀不一致，導(dǎo)致無法stack

解決方法：檢查__getitem__函數(shù)中的操作

報錯4：

# 通道數(shù)不匹配
conv:  RuntimeError: Given groups=1, weight of size 6 1 5 5, expected input[16, 3, 32, 32] to have 1 channels, but got 3 channels instead

# 維度不匹配
linear: RuntimeError: size mismatch, m1: [16 x 576], m2: [400 x 120] at ../aten/src/TH/generic/THTensorMath.cpp:752

可能的原因：網(wǎng)絡(luò)層輸入數(shù)據(jù)與網(wǎng)絡(luò)的參數(shù)不匹配

解決方法：

• 檢查對應(yīng)網(wǎng)絡(luò)層前后定義是否有誤
• 檢查輸入數(shù)據(jù)shape

報錯5：

AttributeError: 'DataParallel' object has no attribute 'linear'

可能的原因：并行運算時，模型被dataparallel包裝，所有module都增加一個屬性 module. 因此需要通過 net.module.linear調(diào)用
解決方法：

網(wǎng)絡(luò)層前加入module.

報錯6：

RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.

可能的原因：gpu訓(xùn)練的模型保存后，在無gpu設(shè)備上無法直接加載

解決方法：

需要設(shè)置map_location=“cpu”

報錯7：

AttributeError: Can't get attribute 'FooNet2' on <module '__main__' from '

可能的原因：保存的網(wǎng)絡(luò)模型在當(dāng)前python腳本中沒有定義

解決方法：

提前定義該類

報錯8：

這個錯誤經(jīng)常在交叉熵?fù)p失函數(shù)中碰到

RuntimeError: Assertion `cur_target >= 0 && cur_target < n_classes' failed.  at ../aten/src/THNN/generic/ClassNLLCriterion.c:94

可能的原因：

標(biāo)簽數(shù)大于等于類別數(shù)量，即不滿足 cur_target < n_classes，通常是因為標(biāo)簽從1開始而不是從0開始

解決方法：

修改label，從0開始，例如：10分類的標(biāo)簽取值應(yīng)該是0-9

報錯9：

RuntimeError: expected device cuda:0 and dtype Long but got device cpu and dtype Long

可能的原因：需計算的兩個數(shù)據(jù)不在同一個設(shè)備上

解決方法：

采用to函數(shù)將數(shù)據(jù)遷移到同一個設(shè)備上

報錯10：

Expected object of backend CPU but got backend CUDA for argument #2 'weight' 

可能的原因：張量的to函數(shù)非原地操作，轉(zhuǎn)換數(shù)據(jù)設(shè)備未賦值，即inputs.to("CUDA")，此時，數(shù)據(jù)仍然在CPU上，未轉(zhuǎn)換成功

解決辦法：

inputs = inputs.to(device)

報錯11：

RuntimeError: DataLoader worker (pid 27) is killed by signal: Killed. Details are lost 
due to multiprocessing. Rerunning with num_workers=0 may give better error trace.

可能原因：內(nèi)存不夠（不是gpu顯存，是內(nèi)存）

解決方法：申請更大內(nèi)存

總結(jié)

以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論