U-Net模型运行时出现通道不匹配RuntimeError问题求助

错误根源 #

报错信息显示输入通道为1536，但卷积层期望1024通道，核心问题是拼接后的卷积层输入通道数未匹配拼接后的总通道数：

• 解码器第一个阶段：上采样后的特征是1024通道，和编码器输出的x4（512通道）拼接后总通道数为1024+512=1536，但你定义的conv11输入通道是1024，完全不匹配，直接触发报错。
• 后续其他拼接阶段也存在同样的通道数不匹配问题。

具体修复步骤 #

修改模型__init__中的卷积层输入通道，确保和拼接后的总通道一致：

1. 修正conv11的输入通道 #

原代码：

self.conv11 = torch.nn.Conv2d(1024, 512, kernel_size=3, padding='same')

修改为：

self.conv11 = torch.nn.Conv2d(1536, 512, kernel_size=3, padding='same')

（1536 = 上采样后的1024通道 + x4的512通道）

2. 修正conv14的输入通道 #

原代码：

self.conv14 = torch.nn.Conv2d(512, 256, kernel_size=3, padding='same')

修改为：

self.conv14 = torch.nn.Conv2d(768, 256, kernel_size=3, padding='same')

（768 = 上采样后的512通道 + x3的256通道）

3. 修正conv16的输入通道 #

原代码：

self.conv16 = torch.nn.Conv2d(256, 128, kernel_size=3, padding='same')

修改为：

self.conv16 = torch.nn.Conv2d(384, 128, kernel_size=3, padding='same')

（384 = 上采样后的256通道 + x2的128通道）

4. 修正conv19的输入通道 #

原代码：

self.conv19 = torch.nn.Conv2d(128, 64, kernel_size=3, padding='same')

修改为：

self.conv19 = torch.nn.Conv2d(192, 64, kernel_size=3, padding='same')

（192 = 上采样后的128通道 + x1的64通道）

额外优化点 #

你重复定义了多次self.Upsample，后面的定义会覆盖前面的实例，虽然Upsample是无参数层不影响功能，但建议只定义一次：

self.upsample = torch.nn.Upsample(scale_factor=2)

然后在forward中统一使用self.upsample(x)即可。

验证修改 #

修改完成后，可通过以下代码快速验证模型输入输出是否匹配：

import torch
model = UNet()
test_input = torch.randn(1, 1, 128, 128)  # 批量1，单通道，128x128输入
output = model(test_input)
print(f"输入形状: {test_input.shape}, 输出形状: {output.shape}")

正常情况下输出形状应为(1,1,128,128)，和输入尺寸一致。

内容的提问来源于stack exchange，提问作者James