UNet调用TF.resize报TypeError：传入torch.Tensor而非要求的PIL图像

• 基于PyTorch搭建的UNet代码包含DoubleConv基础卷积模块、下采样特征提取路径、带跳跃连接的上采样恢复路径、瓶颈连接层
• 测试逻辑为生成维度(3, 1, 161, 161)的随机张量作为网络输入，校验输出张量形状与输入是否一致
• 运行代码时抛出类型错误，错误定位在上采样阶段对齐特征尺寸的代码行：x = TF.resize(x, size=skip_connection.shape[2:]

完整报错信息：
raise TypeError('img should be PIL Image. Got {}'.format(type(img))) TypeError: img should be PIL Image. Got <class 'torch.Tensor'>

• 此处导入的TF为torchvision.transforms.functional模块，旧版本下该模块的resize接口仅支持PIL Image类型输入，内置了严格的输入类型校验
• UNet前向传播过程中传入TF.resize的参数x是卷积、下采样输出的Tensor特征图，并非PIL格式图像，因此触发类型校验失败

• 优先使用PyTorch原生的Tensor适配尺寸变换接口替换现有代码，无额外依赖：

  # 导入torch.nn.functional后，替换原resize行
  x = torch.nn.functional.interpolate(x, size=skip_connection.shape[2:], mode='bilinear', align_corners=False)
  

• 若需保留使用TF.resize的逻辑，可将torchvision升级至0.10及以上版本，该版本的TF.resize已支持Tensor类型输入，需注意匹配对应PyTorch版本避免兼容问题

内容的提问来源于stack exchange，提问作者smriti