Pytorch构建3D Dense Network时adaptive_avg_pool3d报output_size需为3错误

核心问题说明 #

你遇到的RuntimeError: adaptive_avg_pool3d: output_size must be 3报错，90%以上的概率是池化层的输入张量维度不符合要求，而非output_size参数本身的问题，按以下步骤排查： #

步骤1：确认池化输入张量维度 #

在池化代码前插入维度打印语句，确认输入维度是否符合要求：

out = F.relu(features, inplace=True)
# 新增打印代码，运行后查看输出
print("池化输入维度：", out.shape, "张量维度数：", out.dim())
out = F.adaptive_avg_pool3d(input=out, output_size=(1,1,1))

F.adaptive_avg_pool3d要求输入必须是5维张量，格式为(batch_size, 通道数, 深度, 高度, 宽度)，如果打印出来张量维度数是4，就说明你的特征输出丢失了深度维度，触发报错。

步骤2：修复维度丢失问题 #

如果确认是维度缺失，按以下两种情况处理：

• 误删维度：检查特征提取模块的代码，是否在某层操作后用了squeeze()无差别删除了尺寸为1的深度维度，把对应操作改为指定维度删除，比如squeeze(4)只删最后一维，不要全局squeeze。
• 深度维度被池化/卷积压到1后丢失：手动补回深度维度再调用池化：

  out = F.relu(features, inplace=True)
  # 4维张量补回深度维度，转为5维
  if out.dim() == 4:
      out = out.unsqueeze(2)
  out = F.adaptive_avg_pool3d(out, output_size=(1,1,1))
  

步骤3：兼容低版本PyTorch参数格式 #

PyTorch 1.6及更早版本对列表格式的output_size解析存在bug，优先使用元组格式传参，不要用列表[1,1,1]，改为(1,1,1)即可。

内容的提问来源于stack exchange，提问作者Yan