使用时尚 mnist 重塑自动编码器模型中的张量答案

【问题标题】：reshape tensor in an autoencoder model using fashion mnist使用时尚 mnist 重塑自动编码器模型中的张量
【发布时间】：2022-01-11 06:24:33
【问题描述】：

我的代码在 epoch number1 上工作得很好，但是当 epoch 发生变化时，它会因为不同的形状而停止工作。你能帮我解决这个问题吗？非常感谢您的宝贵时间

transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.1307,), (0.3081,))])
        trainTransform  = torchvision.transforms.Compose([torchvision.transforms.ToTensor(), torchvision.transforms.Normalize((0.1307,), (0.3081,))])
        trainset = torchvision.datasets.FashionMNIST(root='{}/./data'.format(path_prefix), train = True, download = True, transform = transform)
        train_loader = torch.utils.data.DataLoader(trainset, batch_size=32, shuffle=False, num_workers=4)
        valset = torchvision.datasets.FashionMNIST(root='{}/./data'.format(path_prefix), train=False, download=True, transform=transform)
        val_loader = torch.utils.data.DataLoader(valset, batch_size=32, shuffle=False, num_workers=4)


def train(self, epoch):
        # Note that you need to modify both trainer and loss_function for the VAE model
        self.model.train()
        train_loss = 0
        for batch_idx, (data, _) in tqdm(enumerate(self.train_loader), total=len(self.train_loader) ) :
            data = data.view(data.shape[0], -1)

            data = data.to(self.device)
            #print(data.shape)
            #print(data)
            self.optimizer.zero_grad()
            recon_batch = self.model(data)
            loss = self.loss_function(recon_batch, data)
            loss.backward()
            train_loss += loss.item()
            self.optimizer.step()

        train_loss /= len(self.train_loader.dataset)/32 # 32 is the batch size
        print('====> Epoch: {} Average loss: {:.4f}'.format(
              epoch, train_loss ))

【问题讨论】：

标签： reshape torch autoencoder epoch mnist

【解决方案1】：

请尝试删除 train 和 val 加载器中的“num_workers=4”语句。我有同样的错误，这就是原因。 tqdm 也让事情变得复杂，所以如果你仍然有错误尝试在没有它的情况下编辑你的代码。

【讨论】：