Pytorch 使用Dataloader 遇到stack expects each tensor to be equal size 和Trying to resize storage that is

Pytorch 使用Dataloader 遇到stack expects each tensor to be equal size 和Trying to resize storage that is not resizable 问题

出现这两个问题的关键都在__getitem()函数中，获取后拼接batch出现张量维度不相等。

我的源代码

        return {'pc': pc,
                'intensity': intensity,
                'sn': sn,
                'P': P,
                'img': img,
                'K': K,

                'pc_mask': torch.from_numpy(pc_mask).float(),
                'img_mask': torch.from_numpy(img_mask).float(),  # (40,128)

                'pc_kpt_idx': torch.from_numpy(pc_kpt_idx),  # 512
                'pc_outline_idx': torch.from_numpy(pc_outline_idx),  # 512
                'img_kpt_idx': torch.from_numpy(img_kpt_index).long(),  # 512
                'img_outline_index': torch.from_numpy(img_outline_index).long(),
                'node_a': torch.from_numpy(node_a_np).float(),
                'node_b': torch.from_numpy(node_b_np).float()
                }

在出现这个问题后，将Dataloader的batch_size设为1，num_worker设为0并且将输出的tensor尺寸打印出来，寻找异常值。

       if ((pc_outline_idx.shape[0] < self.opt.num_kpt) | (img_kpt_index.shape[0] < self.opt.num_kpt) | (img_outline_index.shape[0] < self.opt.num_kpt)):
       #异常值条件
            print('pc_outline_idx.shape[0]: ',pc_outline_idx.shape[0]
                ,'img_kpt_index.shape[0]: ',img_kpt_index.shape[0]
                ,'img_outline_index.shape[0]: ',img_outline_index.shape[0])
       #记录异常值信息
            with open('data_clean_train.txt', 'a') as file:
                file.write(os.path.join(self.root, traversal, lidar_name, '%d.npy' % pc_timestamp) + ',' + os.path.join(camera_folder, "%d.jpg" % camera_timestamp) + '\n')
        return {'pc': pc,
                'intensity': intensity,
                'sn': sn,
                'P': P,
                'img': img,
                'K': K,

                'pc_mask': torch.from_numpy(pc_mask).float(),
                'img_mask': torch.from_numpy(img_mask).float(),  # (40,128)

                'pc_kpt_idx': torch.from_numpy(pc_kpt_idx),  # 512
                'pc_outline_idx': torch.from_numpy(pc_outline_idx),  # 512
                'img_kpt_idx': torch.from_numpy(img_kpt_index).long(),  # 512
                'img_outline_index': torch.from_numpy(img_outline_index).long(),
                'node_a': torch.from_numpy(node_a_np).float(),
                'node_b': torch.from_numpy(node_b_np).float()
                }

其实就是一个数据清洗的过程。也可以进行强制补0之类的操作，但后续处理起来相对麻烦，还是建议数据清洗方式。