DeepLearning
DeepLearning
第五章 P142 我之前是按照 P141页 输出显示了图片，然后文中说，用Dataloader 可以对一个batch的数据进行操作，然后我想通过 for循环 迭代data， 然后取a = batch_datas[0].shape，此时为[C , H, W], 然后按照书中再 * 0.2 + 0.4， 即 to_img = transforms.ToPILImage()(a * 0.2 + 0.4)， to_img.show() 但运行出错，显示： to_img...
> > > 第五章 P142 我之前是按照 P141页 输出显示了图片，然后文中说，用Dataloader 可以对一个batch的数据进行操作，然后我想通过 for循环 迭代data， 然后取a = batch_datas[0].shape，此时为[C , H, W], 然后按照书中再 * 0.2 + 0.4， 即 to_img = transforms.ToPILImage()(a * 0.2 + 0.4)，...
> > > > 第五章 P142 我之前是按照 P141页 输出显示了图片，然后文中说，用Dataloader 可以对一个batch的数据进行操作，然后我想通过 for循环 迭代data， 然后取a = batch_datas[0].shape，此时为[C , H, W], 然后按照书中再 * 0.2 + 0.4， 即 to_img = transforms.ToPILImage()(a * 0.2 +...
此处新增加一个容易忽略的报错点： 比如你的 image 是 torch.Size([4, 3, 224, 224]) torch.float64 torch.DoubleTensor 然后用 b = transforms.ToPILImage()(image[0]，就是取某一张 [3, 224, 224] ) 此时报错： TypeError: Input type float64 is not supported。 解决方法： image[0] 转化为 torch.float32...
我都把这两句删掉了，百度了下，是linux系统，最好加这个，window无所谓
你的dataset 里面的transform 是不是用了三通道的归一化 mean=[0.5,0.5,0.5] std=[0.5,0.5,0.5]？
改成对单一通道归一化就好了。 transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,)) ])
> > > 不太清楚为啥，，但是和pytorch版本有关，，，换成1.0.1 是没有问题的，亲测 > > > 不太清楚为啥，，但是和pytorch版本有关，，，换成1.0.1 是没有问题的，亲测 看我上面的，是因为你归一化用的是三个通道的
或者法二： 将单通道扩展为三通道： transform = transforms.Compose([ transforms.ToTensor(), transforms.Lambda(lambda x: x.repeat(3,1,1)), transforms.Normalize(mean=(0.5, 0.5, 0.5), std=(0.5, 0.5, 0.5)) ])