苹果二的博客

交流计算人生的道法术势器

博客等级

码龄8年

企业官方账号

173
原创

295
点赞

553
收藏

1356
粉丝

关注

私信

热门文章

分类专栏

最新评论

在开源框架使用自有数据集的方法-以增量学习工具箱PyCIL为例
越过海洋～: 我和你报错一模一样
在开源框架使用自有数据集的方法-以增量学习工具箱PyCIL为例
早点7水饺: 您好，我是改成的224，但是还是会报错，class iMyImageDS(iData): use_path = True train_trsf = [ transforms.RandomResizedCrop(224), transforms.RandomHorizontalFlip(), ] test_trsf = [ transforms.Resize(224), transforms.CenterCrop(224), ] common_trsf = [ transforms.ToTensor(), transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225]), ] class_order = np.arange(1000).tolist() 报错：RuntimeError: mat1 and mat2 shapes cannot be multiplied (64x3136 and 64x2)
在开源框架使用自有数据集的方法-以增量学习工具箱PyCIL为例
早点7水饺: 请问你解决了吗，我也有这样的问题
在开源框架使用自有数据集的方法-以增量学习工具箱PyCIL为例
苹果二: 你的问题是神经网络中全连接层的输入维度与前一层输出的特征图维度不匹配。通过以下步骤可以解决：检查并确认卷积层的输出维度：通过调试输出每一层的形状，确保理解每一层的输出尺寸。调整全连接层的输入维度：根据卷积层的输出调整 nn.Linear 的输入特征数。优化模型结构：通过添加池化层或使用全局平均池化等方法，减少特征图的尺寸，避免全连接层参数过多。（可选）调整输入图像尺寸：减小输入图像的尺寸可以简化模型结构和计算量。例如，将 RandomResizedCrop 和 Resize 的尺寸从 600 调整为更小的值，如 224，这也是许多预训练模型（如 ResNet）常用的输入尺寸。
在开源框架使用自有数据集的方法-以增量学习工具箱PyCIL为例
wddadiiii: 您好，我把我自己的数据集输入大小改成了512，如下所示 class iMyImageDS(iData): use_path = True train_trsf = [ transforms.RandomResizedCrop(600), # transforms.RandomHorizontalFlip(), ] test_trsf = [ transforms.Resize(600), transforms.CenterCrop(600), ] 但是会报错RuntimeError: mat1 and mat2 shapes cannot be multiplied (4x20736 and 64x3)，请问怎么办

黑客

关注

关注数：文章数：0 文章阅读量：0 文章收藏量：0

作者: 苹果二

多年科技爱好者

展开

专栏收录文章

空空如也