PyTorch interpolate函数报错：输入输出空间维度不匹配问题求助

错误原因拆解 #

1. 插值参数传错导致维度不匹配
   F.interpolate针对4D输入（N,C,H,W）时，size参数只需要指定空间维度的尺寸（即H,W）。你传入的target.size()[1:]是(1,180,320)，包含了目标的通道维度，导致插值函数误以为要把输入的2个空间维度（180,320）改成3个，直接触发空间维度数量不匹配的报错。

2. 错误压缩类别通道导致损失计算失败
   PyTorch的CrossEntropyLoss要求模型输出（logits）必须保留类别通道：形状为(N,C,H,W)（C是类别数，这里是36）。你用squeeze(dim=1)把模型输出的通道维度去掉后，张量变成(N,H,W)，损失函数无法识别每个位置的类别概率分布，自然报错。

修正后的代码 #

情况1：模型输出空间尺寸已和目标一致（无需插值）

如果你的模型输出out的空间尺寸180×320已经和目标匹配，直接跳过插值步骤：

# 保留模型输出的类别通道，形状(5,36,180,320)
outs = out
# 压缩目标的通道维度，得到(5,180,320)，也可以直接传原target（损失会自动忽略通道）
target_squeezed = target.squeeze(dim=1)
crit_loss = crit(outs, target_squeezed)
loss += (loss_coeff * crit_loss)

情况2：模型输出空间尺寸和目标不一致（需要插值）

如果确实需要下采样，正确指定插值的空间维度：

# 取目标的空间维度尺寸(H,W)，即target.size()[2:]
outs = F.interpolate(out, size=target.size()[2:], mode='bilinear', align_corners=False)
# 此时outs形状仍为(5,36,180,320)，保留类别通道
target_squeezed = target.squeeze(dim=1)
crit_loss = crit(outs, target_squeezed)
loss += (loss_coeff * crit_loss)

关键注意点 #

• CrossEntropyLoss不需要模型输出和目标的通道数一致：模型输出是N×C×H×W（每个位置对应C个类别的概率logit），目标是N×H×W（每个位置对应类别索引0-35）。
• 目标如果是N×1×H×W形状，不需要手动squeeze，损失函数会自动忽略单通道维度。

内容的提问来源于stack exchange，提问作者Varun