使用单张图片评估PyTorch预训练VGG16模型遇通道不匹配错误求助

我在尝试用单张图片评估PyTorch预训练模型时遇到问题，特向大家求助。我理解PyTorch模型要求输入数据格式为[批量维度,通道数,高度,长度]，已调整张量为此格式，但仍出现错误。我是编程和机器学习新手，若问题描述不够具体还请见谅。

代码片段 #

from monai.transforms import AddChannel
from skimage.io import imread
import numpy as np
import cv2
from torch.utils.data import DataLoader
from torchvision import models
import torch  # 补充：原代码漏导入torch

img_array = imread(train_imageinfo_list[0][0])

resized_img = cv2.resize(img_array, (224, 224))
img_tensor = torch.from_numpy(resized_img)
channel_adder = AddChannel()
channel_image = channel_adder(img_tensor)
batch_image = channel_adder(channel_image)
img_tensor = batch_image
model= models.vgg16()
model(img_tensor)
eval(model)

错误信息 #

ERROR: RuntimeError: Given groups=1, weight of size [64, 3, 3, 3], expected input[1, 1, 224, 224] to have 3 channels, but got 1 channels instead

错误原因 #

1. 模型输入通道不匹配：预训练的VGG16是基于3通道RGB图像训练的，第一层卷积层权重形状为[64,3,3,3]，其中第二个维度的3明确要求输入必须是3通道图像。而你读取的是单通道灰度图（imread读取灰度图返回2维数组），经过AddChannel处理后也仅得到1通道输入，张量形状为[1,1,224,224]，不符合模型要求。
2. 批量维度添加方式错误：你用两次AddChannel来构造批量维度的操作不正确。第一次AddChannel是给单张图添加通道维度（从[224,224]变为[1,224,224]），第二次操作错误地把通道维度又加了一层，最终导致通道数变成1，正确的批量维度添加应该用unsqueeze(0)。

内容的提问来源于stack exchange，提问作者Criticalll