PyTorch自编码器训练时MSE损失计算触发张量尺寸不匹配错误排查
AutoEncoder损失计算尺寸不匹配报错的定位与解决方案
问题根源定位
- 直接触发报错的核心原因:图像预处理的Resize配置和自编码器输出尺寸不匹配
- 你在
get_transform中设置的T.Resize((224,244))会将所有输入图像调整为高224、宽244的尺寸(torchvision的Resize参数格式为(高度, 宽度)) - 你的自编码器结构是严格按照224x224的方形输入设计的,全卷积结构下decoder最终固定输出224x224的重建图
- 计算MSE损失时,目标值(原始输入图)的宽度为244,预测值(重建图)的宽度为224,在非单例维度3(宽度维度)无法匹配,直接触发RuntimeError和尺寸不匹配的警告
- 你在
- 潜在设计隐患:decoder上采样过程存在奇数尺寸层
nn.ConvTranspose2d(16, 8, 3, stride=2, padding=1)未设置output_padding,导致该层输出为111x111的奇数尺寸,后续仅靠最后一层的output_padding凑出224x224的输出,一旦调整输入尺寸极易再次出现对齐失败
可落地修复方案
方案1:统一输入为方形尺寸(推荐,适配现有模型设计)
如果不需要保留原始图像的244宽度,直接修改预处理逻辑和模型输入对齐:
- 将
get_transform中的Resize行修改为:transforms.append(T.Resize((224, 224))) - 该修改完全匹配当前自编码器的输出尺寸,无需调整模型结构,可直接解决报错
- 注意:修改后记得在训练循环中保留尺寸打印的逻辑,确认
img.shape和output.shape完全一致后再关闭打印
方案2:保留224x244长方形输入(适配固定宽高比的数据集)
如果必须保留长方形输入,需要调整decoder结构保证输出和输入尺寸完全对齐:
- 先修复decoder的奇数尺寸隐患,给未加output_padding的上采样层补全参数:
修改后该层输出从111x111变为112x112,消除奇数尺寸带来的对齐误差# 原代码: # nn.ConvTranspose2d(16, 8, 3, stride=2, padding=1) # 修改为: nn.ConvTranspose2d(16, 8, 3, stride=2, padding=1, output_padding=1) - 在decoder的最后一层(Sigmoid之前)加入自适应尺寸对齐层,彻底规避卷积取整带来的尺寸偏差:
该层会将decoder输出的特征图强制缩放到和输入完全一致的224x244尺寸,不需要逐行计算卷积的输出尺寸,是非方形输入场景下最稳妥的兜底方案self.decoder = nn.Sequential( # 保留原有decoder的层结构... nn.Upsample(size=(224, 244), mode='bilinear', align_corners=False), nn.Sigmoid() )
验证注意事项
- 训练时不要一开始就删除尺寸打印的代码,直到连续10个batch都出现
Input Image shape = torch.Size([1, 3, 224, 244])和Output Image shape = torch.Size([1, 3, 224, 244])完全匹配时再关闭 - 你的输入图像经过
ToTensor后已经被归一化到[0,1]区间,和decoder最后Sigmoid的输出范围完全匹配,不需要额外调整损失函数的归一化逻辑 - 不要在数据集加载时随意改动Resize的尺寸,所有输入图必须保持完全一致的H、W尺寸,否则即使加了自适应上采样也会因为batch内尺寸不齐触发DataLoader报错
内容的提问来源于stack exchange,提问作者Imran
相关产品推荐
相关产品推荐

