实现UNet医学影像训练时shape不匹配报错ValueError如何解决？

该报错核心是数据维度不匹配：你实例化dataProcess类时传入了输出尺寸参数(512,512)，因此代码中预先创建的存储数组imgdatas、imglabels的单样本维度为(512,512,3)和(512,512,1)；但你本地存储的原始医学影像和对应标注的实际尺寸为256*256，直接赋值时无法完成维度广播，触发报错。

可根据业务需求任选以下一种方案修复：

• 方案1：调整输出尺寸匹配原始数据
  若256*256的分辨率满足UNet模型训练要求，直接修改实例化代码即可，无需调整其他逻辑：

  mydata = dataProcess(256,256)
  

• 方案2：缩放原始图像到目标尺寸
  若必须使用512*512作为输入尺寸，在加载图像时统一做resize处理即可，load_img方法可直接通过参数指定目标尺寸自动完成缩放：

  # 仅需修改加载图像的两行代码，其余逻辑保持不变
  img = load_img(self.data_path + "/" + midname, target_size=(self.out_rows, self.out_cols))
  label = load_img(self.label_path + "/" + midname, grayscale = True, target_size=(self.out_rows, self.out_cols))
  

  如果你使用注释中的OpenCV逻辑读取图像，注意标注缩放要使用最近邻插值避免引入非法标注值，示例如下：

  img = cv2.imread(self.data_path + "/" + midname,cv2.IMREAD_GRAYSCALE)
  label = cv2.imread(self.label_path + "/" + midname,cv2.IMREAD_GRAYSCALE)
  # 新增缩放逻辑
  img = cv2.resize(img, (self.out_cols, self.out_rows), interpolation=cv2.INTER_LINEAR)
  label = cv2.resize(label, (self.out_cols, self.out_rows), interpolation=cv2.INTER_NEAREST)
  

• 方案3：裁剪/填充到目标尺寸
  若要避免缩放导致的图像变形，可对大于目标尺寸的图像做中心裁剪，小于目标尺寸的图像做边缘0值填充，该方案更适合对形变敏感的医学影像场景。

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