错误 ValueError: Expected more than 1 value per channel 的原因是什么？答案

【问题标题】：What's the reason of the error ValueError: Expected more than 1 value per channel?错误 ValueError: Expected more than 1 value per channel 的原因是什么？
【发布时间】：2018-06-28 20:34:39
【问题描述】：

reference fast.ai

github repository of fast.ai （因为代码提升了构建在 PyTorch 之上的库）

请稍微滚动一下讨论

我正在运行以下代码，并在尝试将数据传递给 predict_array 函数时出错

当我尝试使用它直接在单个图像上进行预测时代码失败，但当同一图像位于 test 文件夹中时它运行完美

from fastai.conv_learner import *
from planet import f2

PATH = 'data/shopstyle/'

metrics=[f2]
f_model = resnet34

def get_data(sz):
    tfms = tfms_from_model(f_model, sz, aug_tfms=transforms_side_on, max_zoom=1.05)
    return ImageClassifierData.from_csv(PATH, 'train', label_csv, tfms=tfms, suffix='.jpg', val_idxs=val_idxs, test_name='test')

def print_list(list_or_iterator):
        return "[" + ", ".join( str(x) for x in list_or_iterator) + "]"

label_csv = f'{PATH}prod_train.csv'
n = len(list(open(label_csv)))-1
val_idxs = get_cv_idxs(n)

sz = 64
data = get_data(sz)

print("Loading model...")
learn = ConvLearner.pretrained(f_model, data, metrics=metrics)
learn.load(f'{sz}')
#learn.load("tmp")

print("Predicting...")
learn.precompute=False
trn_tfms, val_tfrms = tfms_from_model(f_model, sz)
#im = val_tfrms(open_image(f'{PATH}valid/4500132.jpg'))
im = val_tfrms(np.array(PIL.Image.open(f'{PATH}valid/4500132.jpg')))
preds = learn.predict_array(im[None])
p=list(zip(data.classes, preds))
print("predictions = " + print_list(p))

这是我得到的追溯

  Traceback (most recent call last):
  File "predict.py", line 34, in <module>
    preds = learn.predict_array(im[None])
  File "/home/ubuntu/fastai/courses/dl1/fastai/learner.py", line 266, in predict_array
    def predict_array(self, arr): return to_np(self.model(V(T(arr).cuda())))
  File "/home/ubuntu/src/anaconda3/envs/fastai/lib/python3.6/site-packages/torch/nn/modules/module.py", line 325, in __call__
    result = self.forward(*input, **kwargs)
  File "/home/ubuntu/src/anaconda3/envs/fastai/lib/python3.6/site-packages/torch/nn/modules/container.py", line 67, in forward
    input = module(input)
  File "/home/ubuntu/src/anaconda3/envs/fastai/lib/python3.6/site-packages/torch/nn/modules/module.py", line 325, in __call__
    result = self.forward(*input, **kwargs)
  File "/home/ubuntu/src/anaconda3/envs/fastai/lib/python3.6/site-packages/torch/nn/modules/batchnorm.py", line 37, in forward
    self.training, self.momentum, self.eps)
  File "/home/ubuntu/src/anaconda3/envs/fastai/lib/python3.6/site-packages/torch/nn/functional.py", line 1011, in batch_norm
    raise ValueError('Expected more than 1 value per channel when training, got input size {}'.format(size))
ValueError: Expected more than 1 value per channel when training, got input size [1, 1024]

我尝试过的事情

np.expand_dims(IMG,axis=0) or image = image[..., np.newaxis]

尝试了另一种读取图像的方式

img = cv2.imread(img_path)
img = cv2.resize(img, dsize = (200,200))
img = np.einsum('ijk->kij', img)
img = np.expand_dims(img, axis =0) 
img = torch.from_numpy(img) 
learn.model(Variable(img.float()).cuda())

顺便说一句，错误仍然存在

ValueError: Expected more than 1 value per channel when training, got input size [1, 1024]

在 Google 搜索 中也找不到任何 reference..

【问题讨论】：

标签： python torch pytorch

【解决方案1】：

如果我们使用特征批量标准化，它将在大小为 1 的批次上失败。

作为批量标准化计算：

y = (x - mean(x)) / (std(x) + eps)

如果我们每批有一个样本，那么mean(x) = x，输出将完全为零（忽略偏差）。我们不能用它来学习...

【讨论】：

我发现这很有帮助。谢谢！
很高兴它有用！

【解决方案2】：

要使用经过训练的模型，请调用 model.eval() 以禁用进一步训练。这会阻止 BatchNorm 层更新它们的均值和方差，并且只允许输入一个样本。如果需要，使用 model.train() 恢复训练模式。

【讨论】：

你的回答对我很有帮助。谢谢！

【解决方案3】：

我今天遇到了同样的问题。我的批次大小是五个。看起来我的数据集是最后一批只有 1，所以它会导致批量标准化层出现错误。将批量大小更改为确保最后一批不等于 1 的值解决了我的问题。就我而言，我从 5 变为 6

【讨论】：