Expected more than 1 value per channel when training, got input size torch.Size([1, **])

目录

出现这种问题大概有两种情况

如果上面步骤三还没解决问题

原因分析

---

先定位下问题 

出现这种问题大概有两种情况

第一种情况是训练时候出现，另一种是测试模型的时候出现

 

出现这种问题一般是你输入的数据只有一张图片例如 [1,3,256,256]  

步骤1 你试下改成 [2,3,256,256]  能否解决（如果无法加，请看下一个步骤），如果你是在训练模型，看步骤2  如果你是在测试模型，看步骤3 

步骤2 如果你是在训练模型，在获取数据集时，将DataLoader中drop_last设置为True 把不够一个批次的数据丢弃。

步骤3  如果你是在测试模型，出现这种问题一般就是因为，你忘记加model.eval()

 

如果上面步骤三还没解决问题

一般是你模型定义出现问题

步骤4 如果使用了model.eval()还没有用，那么请你检查下你模型里面的定义，是不是把一些模块在forward方法里面定义，而不是都是在init方法里面定义

我的情况是这样子

错误代码

class _ASPP(nn.Module):
        #剩下代码省略

def assp(x_s4,in_channel, out_channel,atrous_rates=[6, 12, 18]):
    # ch = [64 * 2 ** p for p in range(6)]
    # atrous_rates = [6, 12, 18]
    # atrous_rates = [1, 2, 3]
    #_ASPP 是一个Module的继承子类
    _assp = _ASPP(in_channel, out_channel, atrous_rates)
    return _assp(x_s4)


class TEST_MODEL(nn.Module):
    
    def __init__(self, channel=32):
        super(TEST_MODEL, self).__init__()
        self.resnet = ResNet50()

    def forward(self, x):


         X = assp(X, X.shape[1], X.shape[1], atrous_rates=[3, 5, 7])

 

正确代码

def assp(x_s4,in_channel, out_channel,atrous_rates=[6, 12, 18]):
    # ch = [64 * 2 ** p for p in range(6)]
    # atrous_rates = [6, 12, 18]
    # atrous_rates = [1, 2, 3]
   
    return _assp(x_s4)


class TEST_MODEL(nn.Module):
    
    def __init__(self, channel=32):
        super(TEST_MODEL, self).__init__()
        self.resnet = ResNet50() 
        #  在init中定义好你引用的模块
        #定义好你的 in_channel  out_channel
        self.assp = _ASPP(in_channel, out_channel, atrous_rates=[3, 5, 7])
    def forward(self, x):


         X = self.assp(x)

 

原因分析

1、_ASPP 是一个Module的继承子类，如果要在一个模型里面用这个module，那么必须在Init里面定义，这样子你使用model.eval(）才能够对你定义的模型起作用，否则是无效的

2、因为没有加 model.eval() 导致 BatchNorm没有关，而BatchNorm 操作需要多于一个数据计算平均值，因此造成该错误。