项目场景：

GAN网络改了个生成器遇到问题

问题描述

RuntimeError: The size of tensor a (512) must match the size of tensor b (128) at non-singleton dime

意思就是张量维度不对

原因分析：

因为生成器输出的是512*512的但是损失函数和判别器都是128*128的

解决方案：

方法一：重新设计生成器，使之有正确的输出；

        还是建议更改网络结构，不然就算能跑了效果也不好

方法二：使用resize操作，使tensor维度对应；

在pytorch中，输入网络的图像的shape=[B,C,H,W].

有时我们需要在网络中对图像张量进行resize操作，这时就要用到transforms.Resize([H,W]) 操作。示例如下：

import cv2

import numpy as np

import torch

from torchvision.transforms import Resize



im1 = cv2.imread("./datasets/frame_0001.png").transpose([2,0,1]) # shape=[C,H,W]

im1_torch = torch.from_numpy(im1.astype(np.float32)).unsqueeze(0) # shape=[B,C,H,W]

# im1_torch可以看作是输入torch神经网络的tensor.



torch_resize = Resize([256,256]) # 定义Resize类对象

im1_resize = torch_resize(im1_torch)

# torchvision.transforms.Resize([H,W])的作用是把最后两个维度resize成[H,W].

# 所以，这对图像的通道顺序有要求。



im1_resize_np = im1_resize.data.cpu().numpy()[0].transpose(1, 2, 0) # shape=[H,W,C]



print(im1.shape)

print(im1_resize.shape)

print(im1_resize_np.shape)

参考： Pytorch transforms.Resize()的简单用法_xiongxyowo的博客-CSDN博客_transforms.resize

• pytorch.tensor格式图像的resize操作_wzg2016的博客-CSDN博客_pytorch resize