RuntimeError: invalid argument 0: Sizes of tensors must match except in dimension 0. Got 224 and 266

查到了两个解决方案，其一如下，经过查验不是这个原因造成了我的错误：

原链接：https://www.cnblogs.com/zxj9487/p/11531888.html

解决：RuntimeError: invalid argument 0: Sizes of tensors must match except in dimension 0. Got 544 and 1935 in dimension 2 at ../aten/src/TH/generic/THTensor.cpp:711

这种错误有两种可能：

　　1.你输入的图像数据的维度不完全是一样的，比如是训练的数据有100组，其中99组是256*256，但有一组是384*384，这样会导致Pytorch的检查程序报错
　　2.比较隐晦的batchsize的问题，Pytorch中检查你训练维度正确是按照每个batchsize的维度来检查的，比如你有1000组数据（假设每组数据为三通道256px*256px的图像），batchsize为4，那么每次训练则提取(4,3,256,256)维度的张量来训练，刚好250个epoch解决(250*4=1000)。但是如果你有999组数据，你继续使用batchsize为4的话，这样999和4并不能整除，你在训练前249组时的张量维度都为(4,3,256,256)但是最后一个批次的维度为(3,3,256,256)，Pytorch检查到(4,3,256,256) != (3,3,256,256)，维度不匹配，自然就会报错了，这可以称为一个小bug。

其二如下，其中使用了transforms.Resize(224)是我的错误原因：

原链接：https://www.jianshu.com/p/9e866d02ddbd

有两种可能：

一：transforms没有把数据集中的图片转换成想要的尺寸大小，如Resnet等网络输入需要224x224大小的图像，在Resize时，不能用 transforms.Resize(224)，而因该用transforms.Resize([224, 224])，官方文档有函数解释

二. 可能是因为自己的数据集中既有RGB图像也有灰度图像，通道不统一

参考https://discuss.pytorch.org/t/runtimeerror-invalid-argument-0-sizes-of-tensors-must-match-except-in-dimension-0-got-3-and-2-in-dimension-1/23890

可以通过以下方法解决：

    在__getitem__() 方法中添加  image= Image.open(image).convert('RGB')

作者：爬的慢的蜗牛
链接：https://www.jianshu.com/p/9e866d02ddbd
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。