小编yak*_*hyo的帖子

我的输入图像的大小是 68 x 224 x 3 (HxWxC)，第一Conv2d层定义为

conv1 = torch.nn.Conv2d(3, 16, stride=4, kernel_size=(9,9))。

为什么输出特征体的尺寸是16 x 15 x 54？我知道有16个过滤器，所以前面有16，但是如果我用来[(W\xe2\x88\x92K+2P)/S]+1计算维度，维度是不可整除的。

有人可以解释一下吗？

我有这些图像，所有图像中都有阴影。我的目标是使用这三个图像制作没有阴影的汽车的单个图像：

最后，如何才能得到如下所示的这种图像：

任何形式的帮助或建议表示赞赏。

编辑

根据评论，我使用np.maximum并轻松实现了我的目标：

import cv2
import numpy as np

img_1 = cv2.imread('1.png', cv2.COLOR_BGR2RGB)
img_2 = cv2.imread('2.png', cv2.COLOR_BGR2RGB)

img = np.maximum(img_1, img_2)

cv2.imshow('img1', img_1)
cv2.imshow('img2', img_2)

cv2.imshow('img', img)
cv2.waitKey(0)

运行我的代码时，我收到此错误消息“ RuntimeError：DataLoader worker (pid(s) 48817, 48818) 意外退出” 我完全不确定从哪里开始解决此问题。任何指导都将不胜感激。下面发布了代码和回溯

batch_size = 128
image_size = (64,64)
stats = (0.5, 0.5, 0.5), (0.5, 0.5, 0.5)

transform_ds = transforms.Compose([transforms.Resize(image_size),
#                                    transforms.RandomCrop(32, padding=2),
#                                    transforms.RandomHorizontalFlip(),
                                   transforms.ToTensor(),
                                   transforms.Normalize(*stats)
                                   ])

train_ds = facesDataset(csv_file = 'imagesdataset.csv', root_dir = 'images', 
                      transform = transform_ds)

train_dl = DataLoader(train_ds, batch_size, shuffle=True, num_workers=3, pin_memory=True)
print(len(train_ds))

def denorm(img_tensors):
    return img_tensors * stats[1][0] + stats[0][0]

def show_images(img, nmax=64):
    fig, ax = plt.subplots(figsize=(8, 8))
    ax.set_xticks([]); ax.set_yticks([])
    ax.imshow(make_grid(denorm(img.detach()[:nmax]), nrow=8).permute(1, 2, 0))

def show_batch(dl, nmax=64):
    for img, …