RuntimeError: output with shape [1, 28, 28] doesn‘t match the broadcast shape [3, 28, 28]

最新推荐文章于 2024-07-02 14:12:32 发布

yuukai

最新推荐文章于 2024-07-02 14:12:32 发布

阅读量2.4k

点赞数 7

分类专栏：深度学习调试问题文章标签：深度学习 pytorch pycharm

本文链接：https://blog.csdn.net/yuukai/article/details/119891082

版权

深度学习调试问题专栏收录该内容

5 篇文章 1 订阅

订阅专栏

这篇博客介绍了在使用PyTorch加载MNIST数据集时遇到的一个RuntimeError，该错误源于尝试对单通道灰度图像进行多通道归一化。解决方案包括调整Normalize的参数以匹配图像通道数，或者简化归一化过程。同时，还提到了另一个错误，即输入的通道数与模型期望的不匹配，强调了正确设置输入维度的重要性。

摘要由CSDN通过智能技术生成

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：
在这里插入图片描述
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
在这里插入图片描述
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