自定义数据集训练CNN遇张量尺寸不匹配错误，Resize无效求排查

你遇到的错误核心原因是：transforms.Resize(224)并没有把所有图像统一缩放到固定的224×224尺寸。

当只给Resize传一个整数参数时，PyTorch会按照保持原图像宽高比的规则，将图像的短边缩放到224，长边按比例自动缩放。比如原本宽高比例不同的图片，处理后会得到[3,224,255]、[3,224,351]这类尺寸不一致的张量，而DataLoader在打包batch时要求所有张量尺寸完全相同，因此触发stack操作的报错。

两种可行的解决方法： #

方法1：强制缩放到固定尺寸

直接给Resize传入宽高组成的元组，强制将所有图像缩放到224×224，无需保持原比例：

#------------------------train transform----------------------#
train_transform=transforms.Compose([
    transforms.Resize((224, 224)),  # 指定固定宽高
    transforms.ToTensor(),
    transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)),
])
    
#------------------------test transform------------------------------#
test_transform=transforms.Compose([
    transforms.Resize((224, 224)),
    transforms.ToTensor(),
    transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)),
])

方法2：先缩放再裁剪（保持原比例更友好）

先将短边缩放到一个比目标尺寸大的值（比如256），再通过裁剪得到固定尺寸224×224，这种方式能避免图像过度拉伸，训练时还能加入随机裁剪增强数据：

#------------------------train transform----------------------#
train_transform=transforms.Compose([
    transforms.Resize(256),  # 短边缩至256，保持比例
    transforms.RandomCrop(224),  # 随机裁剪224×224
    transforms.ToTensor(),
    transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)),
])
    
#------------------------test transform------------------------------#
test_transform=transforms.Compose([
    transforms.Resize(256),
    transforms.CenterCrop(224),  # 中心裁剪224×224
    transforms.ToTensor(),
    transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225)),
])

调整后重新运行代码，DataLoader就能正常打包batch，不会再出现尺寸不匹配的报错。

内容的提问来源于stack exchange，提问作者Kumar