PyTorch张量维度变化触发ToPILImage类型报错原因咨询

算力阿峰

2026-8-30

问题描述

测试transforms.Resize实现原理时遇到异常，初始运行代码如下：

import numpy as np
import torch
from torchvision import transforms

tim = np.array([[[1, 2, 3],
                 [1, 2, 3],
                 [1, 2, 3]],
                [[1, 2, 3],
                 [1, 2, 3],
                 [1, 2, 3]]]) # 形状为(2, 3, 3)

tim = torch.from_numpy(tim)

tf = transforms.Compose([
     transforms.ToPILImage(),
     transforms.Resize((6, 6)), # 参数为目标尺寸(高, 宽)
     transforms.ToTensor()
])

mask = tf(tim)
squ = mask.squeeze()

运行后触发如下报错：

Traceback (most recent call last):
  File "C:/Users/Tim/Desktop/U-Net/test.py", line 62, in <module>
    mask = tf(tim)
  File "C:\Users\Tim\.conda\envs\Segment\lib\site-packages\torchvision\transforms\transforms.py", line 95, in __call__
    img = t(img)
  File "C:\Users\Tim\.conda\envs\Segment\lib\site-packages\torchvision\transforms\transforms.py", line 227, in __call__
    return F.to_pil_image(pic, self.mode)
  File "C:\Users\Tim\.conda\envs\Segment\lib\site-packages\torchvision\transforms\functional.py", line 315, in to_pil_image
    raise TypeError(f"Input type {npimg.dtype} is not supported")
TypeError: Input type int32 is not supported

将输入张量修改为如下形状后，代码可以正常运行：

tim = np.array([[[1, 2, 3],
                 [1, 2, 3],
                 [1, 2, 3]]]) # 形状为(1, 3, 3)

核心疑惑：报错提示为输入数据类型不支持，看似和张量尺寸无关，为什么修改维度后问题消失？

问题成因

这个报错是输入形状不符合ToPILImage接口约定导致的连锁反应，最终错误提示落在类型检查环节，才会产生“和尺寸无关”的误导，具体逻辑如下：

transforms.ToPILImage对3维输入的形状有明确要求：必须为(通道数C, 高H, 宽W)的CHW格式，且通道数C仅支持1（灰度图）、3（RGB图）、4（RGBA图）三个取值。
当输入形状为(2, 3, 3)时，通道数C=2不属于合法取值，接口不会将其识别为合法的CHW格式图像，因此不会执行后续的维度转置、类型自动转换（将numpy默认的int32类型转换为PIL支持的uint8类型）逻辑，直接把原始int32数组传入PIL的图像构造方法。而PIL原生不支持直接读取int32类型的数组构造图像，因此抛出类型不支持的报错。
当输入形状修改为(1, 3, 3)时，通道数C=1属于合法取值，接口正常识别为单通道灰度图，自动完成类型适配（int32转uint8）、维度调整的逻辑，因此不会触发报错。

补充说明：如果手动将(2,3,3)形状的张量先转换为uint8类型，再传入ToPILImage，会继续抛出维度/形状不匹配的错误——只是因为原输入是int32类型，代码在类型检查环节就提前终止，没走到形状校验的步骤而已。

避坑建议

老版本torchvision的transforms算子大多基于PIL实现，输入必须符合PIL图像的格式要求，PIL本身不支持2通道图像，因此不要直接传入通道数为2的张量走ToPILImage链路。
若需要处理非1/3/4通道的张量（比如双通道掩码、光流数据），可以直接使用新版torchvision支持张量输入的Resize算子，不需要转PIL格式；也可以将各通道拆分后单独做Resize，再拼接回原格式。
调用ToPILImage前最好手动将数据类型转为uint8（数值范围0-255）或float32（数值范围0-1），避免隐式类型转换带来的异常。

内容的提问来源于stack exchange，提问作者Tim