Torchvision Resize无法识别PyTorch二维张量维度问题求助

问题详情 #

• 原始张量形状为[512, 512]，尝试用torchvision.transforms.Resize调整为[256, 256]，代码如下：

  resized = T.Resize(size=(256,256))(img)
  

• 首次报错：

  Input and output must have the same number of spatial dimensions, but got input with spatial dimensions of [512] and output size of [256, 256]. Please provide input tensor in (N, C, d1, d2, ...,dK) format and output size in (o1, o2, ...,oK) format.

• 截取张量img = img[:100,:200]后，报错变为：

  Input and output must have the same number of spatial dimensions, but got input with spatial dimensions of [200] and output size of [256, 256]. Please provide input tensor in (N, C, d1, d2, ...,dK) format and output size in (o1, o2, ...,oK) format.

原因分析 #

torchvision.transforms.Resize要求输入张量必须包含通道维度，格式为(C, H, W)（单张图片）或(N, C, H, W)（批量图片）。而原始张量是纯二维的(H, W)，Resize会误将其识别为1维空间输入（仅读取最后一个维度作为空间维度），导致维度不匹配报错。

解决方法 #

方法1：添加通道维度后使用Resize #

先给二维张量插入通道维度，处理完成后再移除多余维度：

import torchvision.transforms as T

# 为二维张量添加通道维度，变为(1, 512, 512)
img_with_channel = img.unsqueeze(0)
# 执行Resize
resized_tensor = T.Resize(size=(256, 256))(img_with_channel)
# 移除通道维度，变回(256, 256)
resized_tensor = resized_tensor.squeeze(0)

方法2：使用torch.nn.functional.interpolate #

这个方法对输入维度兼容性更强，无需额外调整也能实现缩放（需要临时添加批量和通道维度）：

import torch.nn.functional as F

# 添加批量和通道维度，变为(1, 1, 512, 512)
resized_tensor = F.interpolate(img[None, None, ...], size=(256, 256))
# 移除多余维度，得到(256, 256)
resized_tensor = resized_tensor.squeeze()

内容的提问来源于stack exchange，提问作者Iliasp