腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(37)
视频
沙龙
1
回答
RuntimeError
:
给定
groups
=
1
,权
重为
[
64,3,3,3
],
期望
输入
[
4,5000,5000,3
]
有
3个
通道
,
但
实际
得到
5000个
通道
python
、
image-processing
、
deep-learning
、
computer-vision
、
pytorch
所以,我
有
一个U-Net模型,我将5000x5000x3的图像
输入
到模型中,然后我
得到
了上面的错误。 这是我的模型。, nn.Conv2d(out_channels, out_channels, 3, padding=
1
),x): x = self.maxpool(conv
1
) conv2
浏览 25
提问于2019-06-27
得票数 1
回答已采纳
1
回答
如何将PyTorch conv2d函数中的
groups
参数与batch一起使用?
pytorch
后面跟着How to use
groups
parameter in PyTorch conv2d function中的问题 我可以知道
输入
批次大小是否为4,对于每个批次,它都有独立的过滤器来进行转换))out = F.conv2d(inputs, filters, padding=
1
,
groups
=3) 我
有
另一个错误
RuntimeError
:
给定
<em
浏览 27
提问于2021-04-09
得票数 0
2
回答
关于灰度图像DCGAN (Pytorch)中
通道
大小的问题
image
、
vision
、
dcgan
因此,我将number of channels‘nc’的值设置为
1
。但是,当我尝试运行程序时,我
得到
了这样的错误:
RuntimeError
:
给定
groups
=
1
,权
重为
64
1
4 4,
期望
input128,3,64,64
有
1
个
通道
,
但
得到
了3个
通道
。
浏览 19
提问于2020-05-09
得票数 1
1
回答
适用于pytorch中可变大小图像的CNN
python
、
pytorch
、
conv-neural-network
我想在pytorch中制作一个CNN模型,可以
输入
不同大小的图像。我正在尝试使用2d卷积层,它采用4D
输入
形状(pytorch的Conv2d
期望
它的2D
输入
实际
上有4维)。然而,我不确定如何设置
输入
层,以便将所有可变大小的图像调整为固定数量的特征映射,以传递到剩余的层。例如,彩色图像的
输入
形状为4、3、32、32,其对应于批次大小、
通道
数(RGB)、宽度和高度。如果图像是灰度的,那么它将有4,
1
,32,32,这将在形状不是图层预期的时
浏览 1
提问于2021-01-22
得票数 0
1
回答
用于CIFAR10和FMNIST的深度学习CNN网络
deep-learning
、
conv-neural-network
cifar可以工作,但是当尝试在fmnist上使用我的函数时,我
得到
了错误:
RuntimeError
:
给定
的
groups
=
1
,大小为32,3,3,3的权重,
期望
input4,
1
,28,28
有
3个
通道
,
但
得到
1
个
通道
你能猜出问题出在哪里吗?我知道维度或
输入
数据的方式
有
一些问题。提前感谢!
浏览 75
提问于2021-06-14
得票数 0
1
回答
RuntimeError
:
给定
groups
=
1
,权重大小为[
64,3,3,3
],预期
输入
[64,
1
,32,32]
有
3个
通道
,
但
实际
得到
1
个
通道
neural-network
、
pytorch
、
runtime-error
、
conv-neural-network
、
batchsize
RuntimeError
: Given
groups
=
1
, weight of size [64, 3, 3, 3], expected input[64,
1
, 32, 32] to have 3 channels, but got
1
channels instead padding
浏览 102
提问于2021-04-23
得票数 0
1
回答
RuntimeError
:
给定
groups
=
1
,权重大小为[
64,3,3,3
],
期望
输入
[ 4,4,1024,2048]具有3个
通道
,
但
实际
得到
4个
通道
python
、
image
、
image-processing
、
pytorch
、
torchvision
__init__() self.down
1
= down(64, 128) self.down3 = down(256, 512) self.up
1
=
浏览 81
提问于2020-12-15
得票数 1
1
回答
RuntimeError
:
给定
groups
=
1
,大小的权重[ 64,64,
1
,
1
,
1
,
1
],
期望
输入
[4,
1
,1080,1920]
有
64个
通道
,
但
得到
1
个
通道
python
、
deep-learning
、
pytorch
、
image-segmentation
、
torchvision
Othercomputers/My\ Laptop/crack_segmentation_khanhha/crack_segmentation-master/model/ -model_type resnet101 self.padding, self.dilation, self.
groups
) <em
浏览 16
提问于2022-06-09
得票数 0
回答已采纳
1
回答
RuntimeError
:
给定
groups
=
1
,大小的权重[32,
1
,3,3,3],
期望
输入
[
1
,3,6,7]
有
1
个
通道
,
但
得到
3个
通道
numpy
、
pytorch
1
1
1
1
1
1
]]]
RuntimeError
:
给定
groups
=
1
,大小为32,
1
,3,3,预期的input1,3,6,7
有
一个
通道
,但有3个
通道
n_input_channels = 3
RuntimeError</em
浏览 2
提问于2020-11-29
得票数 0
回答已采纳
2
回答
RuntimeError
:
给定
groups
=
1
,权重大小为[16,
1
,3,3],预期
输入
[16,3,
1
,28]
有
1
个
通道
,
但
实际
得到
3个
通道
pytorch
我知道我的图像只有一个
通道
,所以第一个卷积层是(
1
,16,3,
1
),但我不知道为什么会出现这样的错误。 这是我的代码(我只发布相关的部分)。Loss: {:.6f} \tValidation Loss: {:.6f}'.format( epoch, train_loss, valid_loss)) 当我运行它时,我
得到
了这个错误信息
RuntimeError
:
给定
groups
=
1
,大小为16,
1
,3,3
浏览 1353
提问于2021-01-14
得票数 0
1
回答
Pytorch :
RuntimeError
:
给定
groups
=
1
,大小的权重[ 16,16,3],预期
输入
[500,
1
,19357]
有
16个
通道
,
但
得到
1
个
通道
pytorch
、
conv-neural-network
= nn.Conv
1
d(16, 16, 3,
1
) self.conv2 = nn.Conv
1
d(16op x = self.conv
1
(x) x = F.tanh(x)x = F.log_softmax(x, dim=
1</
浏览 4
提问于2020-11-23
得票数 1
1
回答
Pytorch张量,如何切换
通道
位置-运行时错误
python-3.x
、
pytorch
、
conv-neural-network
我的训练数据集如下所示,其中X_train是具有3个
通道
的3D X_Train形状:(708,256,3) Y_Train形状:(708,4) 然后我将它们转换为张量并
输入
到dataloader中:train_loader = torch.utils.data.DataLoader(training_dataset, batch_size=50, shuffle=False) 然而,在训练模型时,我
得到
了以下错误:
RuntimeError
:
给定
groups
=
1
,权重大
浏览 33
提问于2020-01-08
得票数 12
回答已采纳
1
回答
RuntimeError
:
给定
groups
=
1
,大小的权重[64,3,7,7],预期
输入
[3,
1
,224,224]
有
3个
通道
,
但
得到
1
个
通道
python
、
deep-learning
、
pytorch
、
tensor
test_target = torch.tensor(test_target) test_data.unsqueeze_(
1
)test_target.unsqueeze_(0) output = model_ft(test_data)Tracebacksite-packages/torch/nn/modules/conv.py", line 301
浏览 2
提问于2018-11-21
得票数 3
回答已采纳
2
回答
给定
groups
=
1
,大小的权重[10,
1
,5,5],
期望
输入
[2,3,28,28]
有
1
个
通道
,
但
得到
3个
通道
neural-network
、
pytorch
、
conv-neural-network
我正在尝试运行CNN与火车MNIST,
但
测试我自己的书面数字。为此,我编写了以下代码,
但
标题中出现了一个错误:train_dataset = datasets.MNIST(root='.__init__() #print(self.conv
1
.weight.shape", x.shape) # x = F.relu(s
浏览 2
提问于2022-04-18
得票数 0
回答已采纳
1
回答
RuntimeError
:
给定
groups
=
1
,权重大小为[32,3,3,3],预期
输入
[
1
,4,160,40]具有3个
通道
,
但
实际
得到
4个
通道
python
、
machine-learning
、
pytorch
为什么它需要一个4维
输入
?和eval('image.png')的输出:
RuntimeError
conv_forward(self, input, weight) 344 _pair(0), self.dilation, self.
groups
, weight, self.bias, self.stride,
浏览 168
提问于2020-05-16
得票数 0
回答已采纳
1
回答
为什么我有错误:
给定
groups
=
1
,大小的权重[8,1024,
1
,
1
],
期望
输入
[8,304,9,40]
有
1024个
通道
,
但
得到
304个
通道
python
、
pytorch
、
object-detection
、
yolo
、
stereo-3d
但是,之后我开始出现以下错误:@BACKBONE_DICT.register_module FPS @ BS=
1
:(depths=[3, 3, 9, 3], dims=[48, 96,
浏览 10
提问于2022-09-03
得票数 0
2
回答
我想用Conv
1
D和MaxPool
1
D来做一个三维张量到它的三维。
pytorch
、
convolution
、
tensor
、
max-pooling
给出了
groups
=
1
,大小为2,
1
,5的重量,
期望
input4,5,6
有
一个
通道
,而不是5个
通道
。=2,kernel_size=5,stride=3,padding=0)y = conv
1
d(x)
期望
对3维权
重为
2、
1
、5进行三维
输入
,但却
得到
了4、5、
1
、6大小的4维
输入</
浏览 0
提问于2020-10-07
得票数 1
1
回答
给定
groups
=
1
,大小为16 16 3 3的重量,
期望
输入
[ 16,64,2 2 2]
有
16个
通道
,
但
得到
64
通道
代替?
python
、
classification
、
pytorch
、
multiclass-classification
我是PyTorch的新手,我不知道代码
有
什么问题。我试着重塑图像,
但
没有帮助。我正在用Cuda运行这段代码。我
有
大约750个班级和10-20张图片在一个班级。__init__() nn.Conv2d(3, 64, 3), # inp (3, 512, 512x = self.Lin
1
(x)
浏览 2
提问于2019-11-21
得票数 0
回答已采纳
1
回答
RuntimeError
:
给定
groups
=3,大小为12 64 3 768,预期
输入
为[32,12,30,768]
有
192个
通道
,而不是12个
通道
python-3.x
、
pytorch
、
conv-neural-network
、
bert-language-model
我以前有一个
1
层CNN,
但
想把它扩展到2层,
但
输入
和输出
通道
一直抛出错误,我似乎可以破译。为何会有192个频道呢?有人能给我一个指针来帮助我更好地理解这一点吗?kernel_size=(3, self.bert.config.hidden_size),
g
浏览 4
提问于2020-05-30
得票数 2
回答已采纳
2
回答
输入
图像大小如何影响全连通层的大小和形状?
machine-learning
、
image-processing
、
neural-network
、
computer-vision
、
image-segmentation
“用卷积层替换完全连接的层,将它们转换成完全卷积的网络,该网络接受任意大小的
输入
和输出分类图。”。
输入
图像大小是如何确定完全连接层的?我试着上网看,
但
没有找到直接的答案。
浏览 0
提问于2019-08-02
得票数 0
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
动图形象理解深度学习卷积
直观理解深度学习卷积部分
仅使用NumPy完成卷积神经网络CNN的搭建
深度强化学习 DQN 初探
卷积神经网络的压缩和加速
热门
标签
更多标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
活动推荐
运营活动
广告
关闭
领券