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 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)}")

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。