ValueError：在昏暗 2 处预期长度为 0 的序列（得到 1）

Posted 2023-03-12

【中文标题】ValueError：在昏暗 2 处预期长度为 0 的序列（得到 1）

【英文标题】：ValueError: expected sequence of length 0 at dim 2 (got 1)

【发布时间】：2021-10-09 13:30:01

【问题描述】：

我最近开始编写有关 Python 神经网络的教程。 我正在使用 CNN 进行猫/狗分类任务。然而，即使我认为我已经完全按照教程告诉我的去做了，但我还是以某种方式结束了一个模糊的错误。

This 是教程。 我相信他使用的是 Python 3.7，我使用的是 Python 3.9（64 位）。

错误： 代码行：y = torch.Tensor([i[1] for i in training_data])

听起来我在准备训练数据时可能犯了一个错误，但我不确定。这是代码：

class DogsVSCats:
    IMG_SIZE = 50
    CATS = '[Path]'
    DOGS = '[Path]'

    LABELS = CATS: 0, DOGS: 1

    training_data = []

    catcount = 0
    dogcount = 0

    def make_training_data(self):
        for label in self.LABELS:
            print label

            for f in tqdm(os.listdir(label)):
                try:
                    path = os.path.join(label, f)
                    img = cv2.imread(path, cv2.IMREAD_GRAYSCALE)
                    img = cv2.resize(img, (self.IMG_SIZE,
                            self.IMG_SIZE))

                    self.training_data.append([np.array(img), np.eye(2,
                            self.LABELS[label])])

                    if label == self.CATS:
                        self.catcount += 1
                    elif label == self.DOGS:

                        self.dogcount += 1
                except Exception, e:

                    pass

            np.random.shuffle(self.training_data)
            np.save('training_data.npy', self.training_data)

            print ('Cats: ', self.catcount)
            print ('Dogs: ', self.dogcount)

    if REBUILD_DATA:
        dogsvcats = DogsVSCats()
        dogsvcats.make_training_data()


print 'Nothing found!!'

这一切似乎都像教程中那样工作，没有错误，并且每个类别显示相同数量的图片。这也是有问题的行：

class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(1, 32, 5)
        self.conv2 = nn.Conv2d(32, 64, 5)
        self.conv3 = nn.Conv2d(64, 128, 5)

        x = torch.randn(50, 50).view(-1, 1, 50, 50)
        self._to_linear = None
        self.convs(x)

        self.fc1 = nn.Linear(self._to_linear, 512)
        self.fc2 = nn.Linear(512, 2)

    def convs(self, x):
        x = F.max_pool2d(F.relu(self.conv1(x)), (2, 2))
        x = F.max_pool2d(F.relu(self.conv2(x)), (2, 2))
        x = F.max_pool2d(F.relu(self.conv3(x)), (2, 2))

        if self._to_linear is None:
            self._to_linear = x[0].shape[0] * x[0].shape[1] * x[0].shape[2]
        return x

    def forward(self, x):
        x = self.convs(x)
        x = x.view(-1, self._to_linear)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)

        return F.softmax(x, dim = 1)

net = Net()

optimizer = optim.Adam(net.parameters(), lr = 1e-3)
loss_function = nn.MSELoss()

X = torch.Tensor([i[0] for i in training_data]).view(-1, 50, 50)
X = X / 255.0
y = torch.Tensor([i[1] for i in training_data]) !!!Error Line!!!

VAL_PCT = 0.1
val_size = int(len(X) * VAL_PCT)

train_X = X[:-val_size]
train_y = y[:-val_size]

test_X = X[-val_size:]
test_y = y[-val_size:]

print(val_size)

【参考方案1】：

你没有正确定义标签，不应该是

np.eye(2, self.LABELS[label])

而是：

np.eye(2)[self.LABELS[label]]