如何在 pytorch 中更改输入图片的尺寸？

Question

我制作了一个卷积神经网络，我希望它获取输入图片和输出图片，但是当我将图片转换为张量时，它们的尺寸错误：

RuntimeError: Expected 4-dimensional input for 4-dimensional weight [20, 3, 5, 5], but got 3-dimensional input of size [900, 1440, 3] instead 

如何更改图片的尺寸？为什么需要改变？以及如何将输出变成图片？我尝试使用

transform = transforms.Compose(
[transforms.ToTensor(),
 transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])

使 img 标准化，但没有改变尺寸。这是我的神经网络

    def __init__(self):
    super(Net, self).__init__()
    torch.nn.Module.dump_patches = True
    self.conv1 = nn.Conv2d(3, 20, 5)
    self.pool = nn.MaxPool2d(2, 2)
    self.conv2 = nn.Conv2d(20, 16, 5)
    self.fc1 = nn.Linear(16*5*5, 120)
    self.fc2 = nn.Linear(120, 84)
    self.fc3 = nn.Linear(84, 16*5*5)


def forward(self, x):
    x = self.pool(F.relu(self.conv1(x)))
    x = self.pool(F.relu(self.conv2(x)))
    x = x.view(-1, 16 * 5 )
    x = F.relu(self.fc1(x))
    x = F.relu(self.fc2(x))
    x = self.fc3(x)


    return x

在这里，我获取图像并将其放入列表中：

for i in range(4):
l.append(ImageGrab.grab())

这是将 img 转换为张量的代码

k=torch.from_numpy(np.asarray(l[1],dtype="int32" ))

Answer 1

总而言之，根据你和我发布的评论：

该错误是由于torch.nn仅支持小批量造成的。输入应采用以下形式(batch_size, channels, height, width)。您似乎缺少批次维度。你可以加.unsqueeze(0)在第一个位置添加假批次尺寸。

除了上述内容之外，您还必须将图像的尺寸从 重新排列[HxWxC]为[CxHxW]。这是由.ToTensor()PyTorch 中的转换来完成的。

对于输入图像的尺寸不匹配问题，您可以使用如下转换：

transform = transforms.Compose(
                   [transforms.Resize((32,32)),
                    transforms.ToTensor(),
                    transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])