ResNet101版U-Net训练灰度图报通道数不匹配错误求解

• 基于U-Net架构在德国沥青路面病害（GAPs）数据集训练裂缝分割模型，基于公开裂缝分割仓库代码做适配，自定义训练脚本为train_unet_GAPs.py，在Colab环境执行训练命令如下：

!python /content/drive/Othercomputers/My\ Laptop/crack_segmentation_khanhha/crack_segmentation-master/train_unet_GAPs.py -data_dir "/content/drive/Othercomputers/My Laptop/crack_segmentation_khanhha/crack_segmentation-master/GAPs/" -model_dir /content/drive/Othercomputers/My\ Laptop/crack_segmentation_khanhha/crack_segmentation-master/model/ -model_type resnet101

• 训练启动阶段抛出通道数不匹配的RuntimeError，核心报错信息：

RuntimeError: Given groups=1, weight of size [64, 64, 1, 1], expected input[4, 1, 1080, 1920] to have 64 channels, but got 1 channels instead

• 根因确认：GAPs数据集为单通道灰度图像，而代码中调用的torchvision内置ResNet101骨干默认接收3通道RGB输入，输入张量通道数和模型第一层卷积的权重通道数不匹配。

提供两种可直接落地的修改方式，优先选择第一种：

方案1：数据预处理层将单通道灰度图转为3通道（改动最小，推荐） #

• 不需要修改模型结构，可直接复用ImageNet预训练的ResNet101权重，训练收敛更稳定，分割效果不受影响
• 找到数据集加载模块的图像预处理transform配置，在ToTensor()操作之后添加通道复制逻辑，将形状为[1, H, W]的单通道张量复制3次，拼接为[3, H, W]的3通道张量，和ResNet默认输入格式对齐
• 若使用torchvision实现transform，直接在Compose列表中添加如下代码即可：

from torchvision import transforms
transform = transforms.Compose([
    transforms.ToTensor(),
    # 新增下面这行
    transforms.Lambda(lambda x: x.repeat(3, 1, 1)),
    # 其他原有预处理逻辑，比如Resize、Normalize等
])

• 修改完成后可先打印单个训练batch的输入张量形状，确认维度为[batch_size, 3, 1080, 1920]后再启动训练。

方案2：修改ResNet骨干第一层卷积适配单通道输入 #

• 不需要改动数据处理逻辑，直接调整模型输入层适配灰度图输入
• 打开仓库中unet/unet_transfer.py文件，找到ResNet101模型加载完成的位置，添加如下代码替换原有第一层卷积：

import torch
import torch.nn as nn
from torchvision.models import resnet101

# 原有加载预训练模型的代码，示例
model = resnet101(pretrained=True)

# 新增以下代码：替换第一层卷积为单通道输入
old_conv1 = model.conv1
model.conv1 = nn.Conv2d(
    in_channels=1, 
    out_channels=old_conv1.out_channels,
    kernel_size=old_conv1.kernel_size,
    stride=old_conv1.stride,
    padding=old_conv1.padding,
    bias=old_conv1.bias
)
# 复用预训练权重：将原3通道卷积的权重沿通道维度取均值，赋值给新的单通道卷积，避免随机初始化导致训练不稳定
with torch.no_grad():
    model.conv1.weight.copy_(old_conv1.weight.mean(dim=1, keepdim=True))

• 该修改会解决后续所有层的通道数连锁不匹配问题，无需再调整U-Net其他模块的参数。

内容的提问来源于stack exchange，提问作者Mohamed Hedeya