如何解决我该如何修复pytorch预测深度学习的问题
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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。