【debug锦集】Expected input batch_size (1) to match target batch_size (0)

最新推荐文章于 2024-01-05 15:52:04 发布
最新推荐文章于 2024-01-05 15:52:04 发布
阅读量2.9k 收藏 5
点赞数 2
分类专栏： 深度学习 文章标签： 深度学习 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_44447544/article/details/125970287
版权

我是雪天鱼，一名FPGA技术爱好者，B站账号：https://space.bilibili.com/397002941?spm_id_from=333.1007.0.0

（1）由于输入到 loss函数的label不满足要求格式导致

loss = criterion(output, label)

这里的label是tensor类型，元素个数要与种类个数对应，如四分类，则 label=[1,0,0,0]、[0,1,0,0]、[0,0,1,0]、[0,0,0,1] 这样 ，即与预测的输出是一个样子，size和dtype都要一致：
预测输出：
在这里插入图片描述
报错details：
在这里插入图片描述
解决方法：
在这里插入图片描述

手动调整下label即可

2.python/pytorch编程debug
驽马十驾，功在不舍；锲而不舍，金石可镂。
05-10 1万+
快速解决python中的bug，这里总有你需要的。
flume+kafka集群解决某著名联锁大型超市超过25年POS线下收单系统变实时系统的典型案例
打造全国最全的AI Agent开发知识领域的博客
10-04 1133
这是一篇流批一体技术在国内某大型超市全国300家店以及全球总部的实际落地的案例。如何无痛的给一个25年+有着上千家超市的线下POS系统赋能使得其订单、促销、变价可以实时化？我们正是使用了流批一体的架构去进行的改造。在我们完成了这种无痛的改造并把原来一笔订单从生成到落回总部主数据需要t+1天变成1秒内后在业内做了分享，该方案还被其它3家超级百货集团（规模都在：超百家门店、上千个POS）所学习和取经，而这个方案至今被其它几家超级百货集团延用至今。
ValueError: Expected input batch_size (1) to match target batch_size (0).
m0_52805415的博客
01-05 1161
解决的方式：可以先打印输出一下labels.shape，看看是什么样子的，如果需要输入的labels维度是四维，输出的只有一个，可以使用。然后在使用view变为你想要的维度，比如labels = labels.view(1, 3, 1, 1)的形状，问题就在于你期望的形状与实际标签张量的形状不匹配。原因：loss输入的labels的尺寸大小和所要求的不一样。在这种情况下，由于标签张量的元素数量只有 1，将其调整为。的形状可能会导致不匹配的错误。
pytorch：Expected input batch_size (1) to match target batch_size (2)
小糖宝的博客
08-11 7338
使用pytorch搭建网络模型时，报错 ： Expected input batch_size (1) to match target batch_size (2) 报错位置是在求loss时 报错原因： 网络的输出层结果不匹配 测试过程： RuntimeError: 1only batches of spatial targets supported but got targets of size : : xx 排故： 在网络的中间层打印shape 最后问题的解决是通过添加： x = x.view(-1,
解决ValueError: Expected input batch_size () to match target batch_size ().问题
热门推荐
weixin_55168780的博客
02-11 3万+
一般这种问题是由于输入图像的大小不匹配导致， class Network(nn.Module): def __init__(self, height_size, width_size, num_classes): super(Network, self).__init__() self.height_size = height_size self.width_size = width_size self.conv2d_1 = nn.Co
【pytorch】Expected input batch_size (1) to match target batch_size (2). 报错解决
117瓶果粒橙
03-04 2万+
参考网址： https://discuss.pytorch.org/t/valueerror-expected-input-batch-size-324-to-match-target-batch-size-4/24498 原因 感觉是因为，卷积之后获得了特征图，但是因为没有计算出正确的特征图的尺寸大小，在x.view()的时候，输入错了尺寸，比如比原来大了一倍，所有的数据本来应该是2...
raise ValueError(‘Expected input batch_size ({}) to match target batch_size ({}).‘
weixin_45860565的博客
04-30 5012
raise ValueError(‘Expected input batch_size ({}) to match target batch_size ({}).’ 记得在正向传播之前打印一下图片的尺寸，这次没注意到图片其实都进来是 RGB 三通道的数据，在利用 .view 函数的时候记得先看下，而我自己在使用的时候，直接按照单通道进行了额机算 一般出现这个情况就是图片尺寸大小不匹配的现象 配的现象 ...
Pytorch：VGG16训练CIFAR10数据集出现bug之总结
m0_52347246的博客
12-09 3118
@Pytorch：VGG16训练CIFAR10数据集出现bug之总结 从github上下载的源码是LeNet训练Mnist数据集,我寻思着我用vgg16网络训练一下cifar10数据集试试呗。然后就是疯狂的出现各种各样的bug,de完一个又一个，人生真的是不停的debug啊。还好，经过不懈的努力与坚持，终于vgg16训练cifar10获得了成功。现在总结一下我实现过程中出现的问题，供我后面复习以及大家学习。 bug1:网络可以跑起来，但是无论训练多少epoch,训练时损失率不下降，准确率保持不变，一直是10
pg_mri----brain reconstruction
xuru_0927的博客
08-21 510
train-reconstructiontrain_loader = create_data_loader(args, 'train', shuffle=True)dev_loader = create_data_loader(args, 'val')display_loader = create_data_loader(args, 'val', display=True)scheduler = torch.optim.lr_scheduler.StepLR(optimizer, args.lr_step_
word2ve的python源码解析
qq_32294855的博客
08-08 1695
#!/usr/bin/env python # -*- coding: utf-8 -*- # # Author: Shiva Manne <manneshiva@gmail.com> # Copyright (C) 2018 RaRe Technologies s.r.o. # Licensed under the GNU LGPL v2.1 - http://www.gnu.org...
Expected input batch_size (1) to match target batch_size (2)
qq_44958272的博客
08-23 234
self.fc = nn.Linear(2048, config.NUM_CLASSES)形状不对。
错误记录帖(持续更新)
喵喵喵
10-21 1914
错误记录帖
调试分割网络模型代码错误记录
weixin_42487912的博客
08-25 2643
学习记录
Expected input batch_size (1) to match target batch_size (16).
weixin_44259121的博客
07-08 2085
建议把网络中下x.view那行修改为x = x.view(x.shape[0], -1)。
pytorch报错：ValueError: Expected more than 1 value per channel when training, got input size [1, 768,1
怡宝2号
12-24 1万+
Traceback (most recent call last): File &quot;train_ammeter_twoclass.py&quot;, line 189, in &amp;lt;module&amp;gt; train(epoch) File &quot;train_ammeter_twoclass.py&quot;, line 133, in train outputs = net(inputs)
Batch_size总结
连正的博客
07-09 1731
1 定义 单次训练用的样本数，通常为2^N，如32、64、128 2 提出背景
pytorch训练报错：ValueError: Expected more than 1 value per channel when training
猫猫与橙子的博客
07-10 8616
1.ValueError: Expected more than 1 value per channel when training, got input size [1, 512, 1, 1] （参考：https://blog.youkuaiyun.com/sinat_39307513/article/details/87917537） 出现 ValueError: Expected more than...
Expected input batch_size (1) to match target batch_size (2).
最新发布
02-08
### 解决 PyTorch 中输入批次大小与目标批次大小不匹配的问题 在处理序列到序列（Seq2Seq）模型时，遇到输入批次大小与目标批次大小不一致的情况是比较常见的问题。这种错误通常发生在训练过程中，特别是在定义损失函数计算时。 为了确保输入和目标具有相同的批次大小，在构建数据加载器时应特别注意如何打包和填充序列。一种常见方法是在创建 `DataLoader` 实例之前先通过自定义 collate 函数来调整每批中的样本数量，使得它们保持一致[^1]。 另外，如果使用的是动态解码方式，则需要注意编码器输出的最后一维代表时间步数而不是批量维度；因此，在某些情况下可能需要转置张量或将额外的时间步设为零填充以保证形状兼容性[^2]。 下面给出一段简单的代码片段用于展示如何设置 DataLoader 和 Collate_fn 来防止此类错误： ```python from torch.utils.data import Dataset, DataLoader class SeqDataset(Dataset): def __init__(self, src_data, tgt_data): self.src_data = src_data self.tgt_data = tgt_data def __len__(self): return len(self.src_data) def __getitem__(self, idx): source_seq = self.src_data[idx] target_seq = self.tgt_data[idx] # 假定已经进行了必要的预处理如tokenization等 sample = {"source": source_seq, "target": target_seq} return sample def my_collate(batch_list): """ 自定义collate函数用来处理不同长度的序列， 并确保每个batch内的input和target有相同的第一维度(batch size). """ max_len_input = max([len(item['source']) for item in batch_list]) padded_inputs = [] max_len_output = max([len(item['target']) for item in batch_list]) padded_outputs = [] for b in batch_list: pad_width_in = (0,max_len_input-len(b["source"])) pad_width_out = (0,max_len_output-len(b["target"])) p_input = F.pad(torch.tensor(b["source"]),pad_width_in,value=PAD_TOKEN_ID).unsqueeze(0) p_target = F.pad(torch.tensor(b["target"]),pad_width_out,value=PAD_TOKEN_ID).unsqueeze(0) padded_inputs.append(p_input) padded_outputs.append(p_target) inputs_tensor = torch.cat(padded_inputs,dim=0) outputs_tensor = torch.cat(padded_outputs,dim=0) return {'inputs': inputs_tensor,'targets':outputs_tensor} dataset = SeqDataset(src_sequences,tgt_sequences) dataloader = DataLoader(dataset,batch_size=BATCH_SIZE,collate_fn=my_collate) ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

雪天鱼

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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