CIFAR10数据集上CNN+SelectKBest输出batch_size不匹配问题求助

以下是导致模型输出维度与batch_size不匹配的常见原因：

• 未按batch_size拆分输入数据：如果在model.eval()后的循环中，没有使用配置好batch_size=64的DataLoader迭代数据，而是直接将包含3136个样本的数据集一次性传入模型，模型会输出对应样本数量的结果，即(3136,10)。比如直接执行outputs = model(full_dataset)，而非通过for batch_data, _ in dataloader:循环处理每个batch。

• DataLoader参数配置错误：检查eval阶段的DataLoader，可能存在以下问题：

  • 误将batch_size设为3136而非预期的64；
  • 使用自定义batch_sampler时，定义的batch大小为3136；
  • 数据集总样本数恰好为3136，且drop_last=False（默认值），导致整个数据集作为单个batch传入模型。

• 数据预处理/特征选择环节破坏了样本维度：结合SelectKBest与mutual_info_classif的过程中，可能误操作改变了样本数量：

  • 错误地对样本维度进行筛选（而非特征维度），最终剩余3136个样本；
  • 数据变换时混淆了样本维度与特征维度，将特征数当成样本数传入模型（例如把形状为(64, 3136)的特征张量错误调整为(3136, ...)后输入模型）。

• 模型前向传播逻辑错误：模型前向代码中存在维度处理失误：

  • 使用view、flatten等操作时错误计算维度，导致batch维度被解析为3136；
  • 层间维度转换（如transpose、permute）后未正确恢复batch维度位置，最终输出的第一维度变为特征数而非batch大小（这种情况通常伴随维度不匹配报错，但少数巧合下会得到(3136,10)的输出）。

内容的提问来源于stack exchange，提问作者Alican Kartal