PyTorch U-Net测试时RuntimeError：输入与权重通道数不匹配

错误信息 #

RuntimeError: Given transposed=1, weight of size [1024, 512, 2, 2], expected input[24, 512, 48, 48] to have 1024 channels, but got 512 channels instead

问题根源 #

错误出在U-Net的前向传播函数中：所有上采样步骤都错误复用了up1模块，没有按照U-Net的编码器-解码器结构，依次使用up1、up2、up3、up4模块。

• 小通道数（如2、4）时未触发错误，是因为通道数巧合匹配了模块的输入输出要求；
• 当通道数增大到64、128这类常规值后，模块预设的输入输出通道与实际输入不匹配，直接触发上述报错。

修复步骤 #

1. 打开U-Net实现文件（unet.py），找到类中的forward方法；
2. 替换所有重复的up1调用，按照下采样的逆过程依次调用对应的上采样模块：
   • 最深层特征先用up1上采样，再与对应下采样特征拼接；
   • 后续步骤分别使用up2、up3、up4完成上采样与拼接操作。

代码示例对比 #

错误的前向传播片段

x = self.up1(x)
x = torch.cat([x, self.down3], dim=1)
x = self.up1(x)  # 错误：应使用up2
x = torch.cat([x, self.down2], dim=1)
x = self.up1(x)  # 错误：应使用up3
x = torch.cat([x, self.down1], dim=1)
x = self.up1(x)  # 错误：应使用up4

修正后的前向传播片段

x = self.up1(x)
x = torch.cat([x, self.down3], dim=1)
x = self.up2(x)
x = torch.cat([x, self.down2], dim=1)
x = self.up3(x)
x = torch.cat([x, self.down1], dim=1)
x = self.up4(x)

内容的提问来源于stack exchange，提问作者김지한