PytorchRuntimeError: inconsistent tensor sizes at /pytorch/torch/lib/TH/generic/THTensorMath.c:2709

本文详细解析了PyTorch中使用DataLoader时遇到的RuntimeError异常,特别是关于数据尺度不一致的问题。作者通过调整batchsize并检查数据增广过程中的旋转操作,最终定位并解决了问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.pytorch在得到dataset时没有问题,得到DataLoader时也没有问题,以batch size = 512遍历数据时,出现了:

RuntimeError: inconsistent tensor sizes at /pytorch/torch/lib/TH/generic/THTensorMath.c:2709

2.由于这个代码是我改过的版本,我用原版替代试试发现没有问题.

然后仔细对比了原版和改版的DataLoader的输出发现也没问题

之后我尝试了将batch size 改为1居然就可以跑了. 然后我去网上搜索了下发现别人在c:2864行.是由于一个批次内数据尺度不一样导致的.按batch size = 1,打印数据size,果然发现 不一致:

0 torch.Size([1, 1, 20, 36, 24]) torch.Size([1])
1 torch.Size([1, 1, 20, 36, 24]) torch.Size([1])
2 torch.Size([1, 1, 20, 36, 23]) torch.Size([1])
3 torch.Size([1, 1, 20, 36, 23]) torch.Size([1])
4 torch.Size([1, 1, 20, 24, 36]) torch.Size([1])
5 torch.Size([1, 1, 20, 24, 36]) torch.Size([1])
再回想,我在数据增广时候自作聪明的给不是立方体的数据进行了按三个面进行了90度180度270度的旋转.导致下一步裁剪时候出现了尺度不一样的情况.

3.90度180度270度的旋转要求最好是立方体(20,36,36)从(40,40,40)中取.

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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