Skip to main content
 首页 » 编程设计

python之在 Pytorch 上实现 VGG16 给出大小不匹配错误

2024年11月24日10txw1958

我在 PyTorch 上的代码实现片段是:

model = models.vgg16(pretrained = False) 
classifier = nn.Sequential( 
        nn.Linear(25088, 128), 
        nn.ReLU(True), 
        nn.Dropout(), 
        nn.Linear(128, 128), 
        nn.ReLU(True), 
        nn.Dropout(), 
        nn.Linear(128, 20) 
) 
model.classifier = classifier 

我正在输入输入大小 (60x60x3) 和 batch_size = 30 的图像。

当我从 Linux (Ubuntu) 终端(PyTorch 版本:1.0.0,Torchvision 版本:0.2.1)运行代码时,它给我以下错误消息:

RuntimeError: size mismatch, m1: [30 x 512], m2: [25088 x 128]

而当我从 Windows 上的 Spyder (Anaconda) 运行它时(使用 PyTorch 版本:1.0.1,Torchvision 版本:0.2.2),它运行完美。

我是不是遗漏了什么,或者这是因为 Pytorch 和 Torchvision 的版本不匹配?两者,我都在 Python 3.6 上运行。 请提出建议。

[更新:错误地调换了错误案例和无错误案例的版本号。感谢@Manoj Mohan 指出]

请您参考如下方法:

这可能是相反的。在 torchvision 0.2.2 上运行完美,在 torchvision 0.2.1 上运行失败。

在 0.2.2 中使用 AdaptiveAvgPool2d 的变化是您看不到错误的原因。 https://github.com/pytorch/vision/commit/83b2dfb2ebcd1b0694d46e3006ca96183c303706

>>> import torch 
>>> model = models.vgg16(pretrained = False) 
>>> x = torch.randn(1,3,60,60) # random image 
>>> feat = model.features(x) 
>>> flat_feat = feat.view(feat.size(0), -1) # flatten 
>>> flat_feat.shape 
torch.Size([1, 512]) 
>>> model.classifier(flat_feat) 

运行时错误:大小不匹配,m1:[1 x 512],m2:[25088 x 4096] 在/pytorch/aten/src/TH/generic/THTensorMath.cpp:940

您会看到大小不匹配的错误。之后,自适应平均池,一切正常。

>>> import torch.nn.functional as F 
>>> avg = F.adaptive_avg_pool2d(feat, (7,7)) 
>>> avg = avg.view(avg.size(0), -1) 
>>> output = model.classifier(avg) 
>>> output.shape 
torch.Size([1, 1000])