RuntimeError: output with shape [1, 28, 28] doesn’t match the broadcast shape [3, 28, 28]
在用pytorch导入mnist数据时出现了上述错误:
报错程序:
transform = transforms.Compose([transforms.ToTensor(),
transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])])
报错原因:这是因为mnist图像都是灰度图像,只有一个通道,而上面的transforms.Normalize 却对三个通道都归一化了,这肯定会报错,所以只要像下面修改即可:
test_loader = torch.utils.data.DataLoader(
datasets.MNIST('../date', train=False,
transform=transforms.Compose([
transforms.ToTensor(),
transforms.Normalize((0.1307,), (0.3081,))
]))
0.1307和0.3081第一个是均值,第二个是标准差,这个对于不同的数据集来说是不同的,你需要根据样本来计算出他的均值和标准值,我这里为了简便,就大概的填了两个值。
还有第二种解决方案:
直接改成:
transform = transforms.Compose([transforms.ToTensor(),
transforms.Normalize(mean=[0.5], std=[0.5])])
网上比较多的改成RGB通道的方式不可行,会造成后面优化参数时矩阵维度不匹配的问题
报这个错误:
RuntimeError: Given groups=1, weight of size 64 1 3 3, expected input[4, 3, 28, 28] to have 1 channels, but got 3 channels instead