我该如何修复pytorch预测深度学习的问题

问题描述

给出groups=1，权重为[48,3,3]，期望输入[5,128,129,4]具有3个通道，但改为128个通道。

这是我的代码：

    **model_ft.eval()
    for image in test_loader:
        image = image.cuda()
        output = model_ft(image)
        output = output.cpu().detach().numpy()
        for i,(e,n) in enumerate(list(zip(output,name))):
            sub.loc[sub['id_code'] == n.split('/')[-1].split('.')[0],'diagnosis'] = le.inverse_transform([np.argmax(e)])
            
    sub.to_csv('submission.csv',index=False)**
    
    print(X_test.shape)
    (3071,3)
    from torch.utils.data import DataLoader
    test_loader = DataLoader(X_test,batch_size=5,shuffle=True)
    print(train_data)

我不知道如何解决此问题以预测我的比赛

解决方法

我假设是

.pfx

您的意思是测试数据包含3071个样本，每个样本具有128x128像素和3个颜色通道。 另外我假设您使用的模型不会转置输入，因此卷积层需要默认布局，形状为（N，C，H，W），但是您提供的数据为（N，H，W ，C）。

解决方案：尝试将print(X_test.shape) (3071,128,3) 或image.transpose_(1,3)交给模型。