解决ToPILImage时出现维度报错问题pic should be 2/3 dimensional. Got 4 dimensions.

ToPILImage时出现维度报错pic should be 2/3 dimensional. Got 4 dimensions.

主要原因是在数据集加载过程中加入了batch_size，将tensor变为了四维。

print(img.shape)
img1 = img[0]
print(img1.shape)

直接将其转为三维即可

PyTorch中常见报错

本部分介绍一些PyTorch中常见的报错信息及其解决方法

报错1：

ValueError: num_samples should be a positive integer value, but got num_samples=0

可能的原因：传入的Dataset中的len(self.data_info)==0，即传入该dataloader的dataset里没有数据

解决方法：

• 检查dataset中的路径，路径不对，读取不到数据。
• 检查Dataset的__len__()函数为何输出为零

报错2：

TypeError: pic should be PIL Image or ndarray. Got <class 'torch.Tensor'>

可能的原因：当前操作需要PIL Image或ndarray数据类型，但传入了Tensor

解决

• 检查transform中是否存在两次ToTensor()方法
• 检查transform中每一个操作的数据类型变化

报错3：

RuntimeError: invalid argument 0: Sizes of tensors must match except in dimension 0. Got 93 and 89 in dimension 1 at /Users/soumith/code/builder/wheel/pytorch-src/aten/src/TH/generic/THTensorMath.cpp:3616

可能的原因：dataloader的__getitem__函数中，返回的图片形状不一致，导致无法stack

解决方法：检查__getitem__函数中的操作

报错4：

# 通道数不匹配
conv:  RuntimeError: Given groups=1, weight of size 6 1 5 5, expected input[16, 3, 32, 32] to have 1 channels, but got 3 channels instead

# 维度不匹配
linear: RuntimeError: size mismatch, m1: [16 x 576], m2: [400 x 120] at ../aten/src/TH/generic/THTensorMath.cpp:752

可能的原因：网络层输入数据与网络的参数不匹配

解决方法：

• 检查对应网络层前后定义是否有误
• 检查输入数据shape

报错5：

AttributeError: 'DataParallel' object has no attribute 'linear'

可能的原因：并行运算时，模型被dataparallel包装，所有module都增加一个属性 module. 因此需要通过 net.module.linear调用
解决方法：

网络层前加入module.

报错6：

RuntimeError: Attempting to deserialize object on a CUDA device but torch.cuda.is_available() is False. If you are running on a CPU-only machine, please use torch.load with map_location=torch.device('cpu') to map your storages to the CPU.

可能的原因：gpu训练的模型保存后，在无gpu设备上无法直接加载

解决方法：

需要设置map_location=“cpu”

报错7：

AttributeError: Can't get attribute 'FooNet2' on <module '__main__' from '

可能的原因：保存的网络模型在当前python脚本中没有定义

解决方法：

提前定义该类

报错8：

这个错误经常在交叉熵损失函数中碰到

RuntimeError: Assertion `cur_target >= 0 && cur_target < n_classes' failed.  at ../aten/src/THNN/generic/ClassNLLCriterion.c:94

可能的原因：

标签数大于等于类别数量，即不满足 cur_target < n_classes，通常是因为标签从1开始而不是从0开始

解决方法：

修改label，从0开始，例如：10分类的标签取值应该是0-9

报错9：

RuntimeError: expected device cuda:0 and dtype Long but got device cpu and dtype Long

可能的原因：需计算的两个数据不在同一个设备上

解决方法：

采用to函数将数据迁移到同一个设备上

报错10：

Expected object of backend CPU but got backend CUDA for argument #2 'weight' 

可能的原因：张量的to函数非原地操作，转换数据设备未赋值，即inputs.to("CUDA")，此时，数据仍然在CPU上，未转换成功

解决办法：

inputs = inputs.to(device)

报错11：

RuntimeError: DataLoader worker (pid 27) is killed by signal: Killed. Details are lost 
due to multiprocessing. Rerunning with num_workers=0 may give better error trace.

可能原因：内存不够（不是gpu显存，是内存）

解决方法：申请更大内存

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。