深度学习模型训练中,输入数据inputs维度和标签数据lablels维度调整方法
for inputs, labels in train_loader: # 使用numpy的transpose函数调整维度顺序 inputs = np.transpose(inputs, (0, 3, 1, 2)) #将原输入数据最后一个维度换到第二个维度 inputs = inputs.to(device) print(inputs.shape) #调试代码用 m = labels.shape #hdf5文件有时候标签数据大小为[batch_siza,1,1,1],需要做如下调整,先获取标签数据大小 n = m[0] #获取标签数据第一个维度值,也就是batch_size labels = torch.reshape(labels, (n,)) #将标签数据转换为一维数据,也就是将原来的[[[1]]]里面的标签1提取出来 labels = labels.to(device) print(labels.shape) #调试代码用 # 前向传播 outputs = model(inputs) print(outputs.shape) #调试代码用 loss = criterion(outputs, labels.long())
本文作者:比格心
本文链接:
版权声明:本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!