NotImplementedError: Input Error: Only 3D, 4D and 5D input Tensors supported (got 3D) for the modes:

于 2023-05-16 02:55:22 发布
阅读量1.4k 收藏
点赞数
分类专栏： debug 文章标签： 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_74982304/article/details/130696001
版权
在应用nn.functional.interpolate函数处理hr_image时出现错误，原因是hr_image缺少batch_size维度。解决方法是通过unsqueeze(0)添加一个维度，使其适应函数要求。
摘要由CSDN通过智能技术生成

在使用lr_image = nn.functional.interpolate(hr_image, scale_factor=1 / 4, mode='bicubic')

报了这个错

因为hr_image是一个三维张量，没有batch_size维度，只用给hr_image通过unsqueeze(0)增加一个batch_size维度就ok了。 

盛开着永不凋零
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
报错处理：RuntimeError: Input type (torch.FloatTensor) and weight type (torch.cuda.FloatTensor) should...
cnjs1994的博客
04-11 2358
这篇博客解决的是pytorch训练图像分类模型中常常遇到的一个常见问题：就是模型在GPU,但是数据加载到了CPU
RuntimeError:Expected all tensors to be on the same device, but found at least two devices解决方案
最新发布
weixin_43178406的博客
09-05 4万+
本文主要介绍了RuntimeError:Expected all tensors to be on the same device, but found at least two devices解决方案，希望能对学习python的同学们有所帮助。 文章目录 1. 问题描述 2. 解决方案
读取MNIST文件图片进行上采样、下采样（图片放大两倍）
lanmy_dl的博客
10-22 2213
MNIST进行上采样（图片放大两倍）说实话，要对于像素没有要求直接使用cv2.resize(img, (size_m, size_n)) #其中size_m,size_n可以设置任意值，之前生成的人脸没有达到所要的分辨率，就直接resize的。这次让上采样，那就上采样吧。
Expected 4-dimensional input for 4-dimensional weight [64, 3, 3, 3], but got 3-dimensional input问题
qq_39445441的博客
05-07 6006
问题原因 Expected 4-dimensional input for 4-dimensional weight [64, 3, 3, 3], but got 3-dimensional input of size [3, 224, 224] instead 找到出错的地方： return F.conv2d(input, weight, bias, self.stride, self.padding, self.dilation, self.group
expected 4D input (got 3D input)
热爱分享，热爱记录
04-02 3167
【代码】expected 4D input (got 3D input)
当出现raise NotImplementedError报错
weixin_45588505的博客
07-06 2752
当出现raise NotImplementedError报错与forward（）
RuntimeError: Expected 4-dimensional input for 4-dimensional weight 64 3 3, but got 3-dimensional in
weixin_38208741的博客
07-31 4万+
使用Pytorch运行时，出现下述错误：RuntimeError: Expected 4-dimensional input for 4-dimensional weight 64 3 3, but got 3-dimensional input of size [3, 224, 224] instead 解决方案： img=Image.open(imgpath) # 读...
Expected 4-dimensional input for 4-dimensional weight, but got 3-dimensional input of size [3, 512,
weixin_41529093的博客
08-03 5752
仅作为记录，大佬请跳过。 博主将手动读取的一张图块，用transforms转化成tensor（3, 512, 1024）后，喂入模型 出现Expected 4-dimensional input for 4-dimensional weight [64, 3, 7, 7], but got 3-dimensional input of size [3, 512, 1024] instead 原因 喂入模型的tensor应该是四维： （3, 512, 1024）——（1, 3, 512, 1024） 解决
python interpolate 4d_Pytorch上下采样函数--interpolate
weixin_42632434的博客
02-09 1665
最近用到了上采样下采样操作，pytorch中使用interpolate可以很轻松的完成def interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None):r"""根据给定 size 或 scale_factor，上采样或下采样输入数据input.当前支持 temporal, spatial...
RuntimeError: All input tensors must be on the same device.解决方案
qian9905的博客
12-16 790
在我的代码中我遇到这种情况一般都是在torch.cat的时候。
RuntimeError: binary_op(): expected both inputs to be on same device, but input a is on cuda:1 and i
AsajuHuishi的博客
10-31 915
问题描述 平时使用GPU0号卡，在改到GPU1号卡后出现以下问题： RuntimeError: binary_op(): expected both inputs to be on same device, but input a is on cuda:1 and input b is on cuda:0 命令行参数设置如下： # Hardware specifications parser.add_argument('-cpu','--cpu', action='store_true',
Expected 4-dimensional input for 4-dimensional weight 64 3 7 7, but got 3-dimensional input of size
m0_67105022的博客
03-05 851
使用unsqueeze（dim=0）扩展维度
NotImplementedError: Got 5D input, but bilinear mode needs 4D input
qq_44101482的博客
09-21 3646
在图像采样的时候报这样的错误，检查发现输入数据是3D的 但是在上采样的时候却是使用双线性插值 最后将双线性插值bilinear改为三线性插值trilinear可顺利运行。
pytorch BN层报错：ValueError: expected 4D input (got 2D input)
Hello Word!
05-20 8920
报错： Traceback (most recent call last): File "train_noPfc.py", line 201, in <module> main(args_) File "train_noPfc.py", line 160, in main f_masked, focc_masked, output, output_occ, f_diff, out = backbone(img1, img2) File "/home/user1/min
Python 连接阿里云图数据库GDB报错：NotImplementedError
u011412768的博客
03-02 520
用户环境：Windows10、Python3.8 一、在本地Python环境下连接阿里云的图数据库GDB步骤如下： （1）在阿里云的控制台创建一个图数据库实例 （2）图数据库建立用户，获取用户名和密码 （3）在安全性管理中，将default组的白名单网址改为0.0.0.0/0并保存 （4）申请外网地址，获取外网地址和端口 （5）在cmd中测试地址和端口是否可用 ping ip # 测试地址是否可用 telnet ip port # 测试地址和端口是否可以访问 二...
ValueError: expected 2D or 3D input (got 4D input)
qq_37858023的博客
05-01 1万+
通过查看代码找到了问题所在是因为使用了不正确的BatchNorm函数 原因分析 我们可以看到官方文档对于BatchNorm1d的解释 BatchNorm1d 显然需要输入的是二维或者三维，但是我们有一个四维的输入 那么我们可以查看BatchNorm2d的官方解释 BatchNorm2d 可以接受四维输入， 解决方法 根据上述分析，把BatchNorm1d改为BatchNorm2d即可 ...
pytorch插值函数interpolate——图像上采样-下采样，scipy插值函数zoom
moshiyaofei的博客
10-06 1万+
在训练过程中，需要对图像数据进行插值，如果此时数据是numpy数据，那么可以使用scipy中的zoom函数： from scipy.ndimage.interpolation import zoom def zoom(input, zoom, output=None, order=3, mode='constant', cval=0.0, prefilter=True):...
python 图片 常数 代码 padding image constant pad with constant code
乱七八糟的笔记
07-08 1128
简单来讲，计算机视觉需要将图片大小统一，这样才能输入到网络。 这个代码就是将2D或者3D的图片padding 到指定大小，边缘填充使用指定常数， 如果是3D，(512,512,3)最后一维不进行拓展 我加了注释，如果拓展的不能整除，那么左，上，也就是序号小的比序号大的差一维 rar = crop_to((5,5),np.array([[1,3,4,5],[2,3,3,3]])) prin...
torch.nn.functional.pad()函数的使用
Be busy living or busy dying
12-16 2948
文章目录函数测试图像示例参考来源链接 函数测试 import torch import torch.nn.functional as F import numpy as np x = torch.from_numpy(np.arange(8).reshape((2,4))) print(x.shape) xx = torch.unsqueeze(x, 1) print('x:' + xx.shape) xxx = F.pad(xx, [2,2]) print('pad(xx, [2,2]):' + xxx
RuntimeError: only batches of spatial targets supported (3D tensors) but got targets of dimension: 4
05-11
这个错误通常发生在使用 PyTorch 训练模型时，当你将输入数据与目标数据传递给模型时，目标数据的维度与模型期望的不同，具体来说，模型期望的是一个三维张量（如图像），但你传递了一个四维张量，这会导致运行时错误。 要解决这个错误，你需要检查你的目标数据的维度是否正确，并将其转换为模型期望的维度。如果你的目标数据是图像，通常情况下，它应该是一个三维张量，维度为 (batch_size, channels, height, width)。你可以使用 PyTorch 的 `permute` 方法或 `view` 方法来转换维度。 例如，如果你的目标数据是一个四维张量，维度为 (batch_size, channels, height, width, depth)，你可以使用以下代码将其转换为三维张量： ``` target = target.permute(0, 4, 1, 2, 3) # 将维度从 (batch_size, channels, height, width, depth) 转换为 (batch_size, depth, channels, height, width) target = target.view(batch_size * depth, channels, height, width) # 将维度从 (batch_size, depth, channels, height, width) 转换为 (batch_size * depth, channels, height, width) ``` 在转换维度后，你可以将转换后的目标数据传递给模型进行训练。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值