小编apo*_*phy的帖子

所以我试图学习 pytorch，我从教程中得到了这段代码，它只是在那里导入一个 mnist 数据集，但它输出“TypeError：'module' object is not callable”在教程中“dataloader”被写为“Dataloader”但是当我像这样运行它时它输出“AttributeError：模块'torch.utils.data'没有属性'Dataloader'”

在文件 mnist 中下载的数据，但我不知道它是否完整

import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optom
from torchvision import datasets, transforms
from torch.autograd import Variable
kwargs={}
train=torch.utils.data.dataloader(datasets.MNIST("mnist",train=True,download=True,transform=transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.1307),(0.3081,) )] ) ),batch_size=64, shuffle=True, **kwargs)

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 = …