我该如何解决这个问题？输入必须有 3 个维度，得到 4

Posted 2023-02-16

【中文标题】我该如何解决这个问题？输入必须有 3 个维度，得到 4

【英文标题】：How can I solve this issue? input must have 3 dimensions, got 4

【发布时间】：2021-10-05 09:27:45

【问题描述】：

以下是我传递给数据加载器的数据，

train_path='/content/drive/MyDrive/Dataset_manual_pytorch/train'
test_path='/content/drive/MyDrive/Dataset_manual_pytorch/test'

train = torchvision.datasets.ImageFolder(train_path,transform=transformations)
test = torchvision.datasets.ImageFolder(test_path,transform=transformations)

train_loader = torch.utils.data.DataLoader(train, batch_size=64, shuffle=True)
test_loader = torch.utils.data.DataLoader(test, batch_size =32, shuffle=True)

这是我的循环神经网络模型，

hidden_size = 256
sequence_length = 28
num_classes = 2
num_layers = 2
input_size = 32
learning_rate = 0.001
num_epochs = 3

class RNN(nn.Module):
  def __init__(self, input_size, hidden_size, num_layers, num_classes):
      super(RNN, self).__init__()
      self.hidden_size = hidden_size
      self.num_layers = num_layers

      self.rnn = nn.RNN(input_size, hidden_size, num_layers, batch_first = True)
      self.fc = nn.Linear(hidden_size*sequence_length, num_classes)
  
  def forward(self, x):
    h0 = torch.zeros(self.num_layers, x.size(0), self.hidden_size).to(device)

    #Forward Prop
    out,_ = self.rnn(x, h0)
    out = out.reshape(out.shape[0], -1)
    out = self.fc(out)
    return out

model_rnn = RNN(input_size, hidden_​​size, num_layers, num_classes).to(device)

当我为特定时期和训练数据训练这个模型时，它给了我以下错误；

RuntimeError: input must have 3 dimensions, got 4

数据的形状为：torch.Size([64, 3, 32, 32])

我认为错误是因为我正在输入 4 维数据，其中我也传递了三个通道（RGB），为了解决这个问题，我需要重塑； torch.Size([64, 3, 32, 32]) --> torch.Size([64, 32, 32])) 但我做不到。

培训代码是；

@torch.no_grad()
def Validation_phase(model, val_loader):
    model.eval()
    for data, labels in val_loader:
      out = model(data)
      val_loss = F.cross_entropy(out, labels)
      val_acc = accuracy(out, labels)

    return val_loss.detach(), val_acc

def fit(epochs, lr, model, train_loader, val_loader, opt_func=torch.optim.SGD):
    history = []
    optimizer = opt_func(model.parameters(), lr)
    for epoch in range(epochs):
        # Training Phase 
        model.train()
        train_losses = []
        train_accuracy = []  
        for data, labels in train_loader:
            #forward

            print(data.shape)
            out = model(data)
            #loss calculate
            train_loss = F.cross_entropy(out, labels)

            #Accuracy
            train_acc = accuracy(out, labels)

            train_accuracy.append(train_acc)
            train_losses.append(train_loss.item())

            #back_propagate
            train_loss.backward()
            optimizer.step()
            optimizer.zero_grad()
    
        train_accuracy = np.mean(torch.stack(train_accuracy).numpy())
        train_losses = np.mean(train_losses)
        

        #Validation phase
        val_losses, val_accuracy = Validation_phase(model, val_loader)

        print("Epoch [], train_loss: :.4f, train_accuracy: :.4f, val_loss: :.4f, val_acc: :.4f".format(
            epoch, train_losses*100 , train_accuracy*100 , val_losses.item()*100, val_accuracy.item()*100))
        # history.append(result)
    # return history

fit(5, 0.001, model_rnn, train_loader, test_loader, torch.optim.Adam) 

【参考方案1】：

您可以按照下面的代码将 torch.Size([64, 3, 32, 32]) 的大小转换为 torch.size([64, 32, 32])：

x = torch.ones((64, 3, 32, 32))
x = x[:, 0, :, :]

#Check code: 
print(x.size())

【讨论】：

所以你要保持红色并扔掉蓝色和绿色？此外，您的 x 最终将拥有 3 个轴...

这个方法会影响我的模型。

【参考方案2】：

您可以使用 RGB 通道的平均值来获得具有 torch.mean 的单个通道上的图像表示。您可能需要保持平均尺寸，才能正确输入模型：您可以使用 keepdim 选项：

>>> x = torch.rand(64, 3, 32, 32)
>>> z = x.mean(1, keepdim=True)
>>> z.shape
(64, 1, 32, 32)

请记住，有 other ways 进行此操作（RGB 到灰度转换）。

【讨论】：

是的，我可以取所有 3 个通道的平均值，但是这里模型的准确性会受到影响，我可以将所有 RGB 图像转换为灰度，但是这种方法计算量太高，因为我有数百万图像。谢谢

当然会影响你的模型，这会有效的减少你数据中的信息量。确实没有什么神奇的方法可以绕过它。或者，一种常见的方法是对数据进行一次预处理，在您的情况下计算一次灰度并在训练中使用转换后的灰度图像。你怎么看？

我正在使用 OpenCV 将 RGB 转换为灰度，然后再次加载到 Data Loader 以保持批量大小。