【跑实验07】RuntimeError: Argument #6: Padding size should be less than the corresponding input dimension

骑猪看日落 2023-10-13 21:49 71阅读 0赞

最近在尝试跑实验的时候，我们的部分代码为：

patch_h = 28
    patch_w = 28
    feat_dim = 768
    
    transform = T.Compose([
        T.GaussianBlur(9, sigma=(0.1, 2.0)),
        T.Resize((patch_h * 14, patch_w * 14)),
        T.CenterCrop((patch_h * 14, patch_w * 14)),
        T.ToTensor(),
        T.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)),
    ])
    
    dinov2_vitb14 = torch.hub.load('', 'dinov2_vitb14',source='local').cuda()
    
    features = torch.zeros(4, patch_h * patch_w, feat_dim)
    imgs_tensor = torch.zeros(4, 3, patch_h * 14, patch_w * 14).cuda()
    
    img_path = f'/home/wangzhenkuan/val_cropped/cropped_(25, 140, 39, 143)_obj365_val_000000685822.jpg'
    img = Image.open(img_path).convert('RGB')
    imgs_tensor[0] = transform(img)[:3]
    with torch.no_grad():
        features_dict = dinov2_vitb14.forward_features(imgs_tensor)
        features = features_dict['x_norm_patchtokens']
    
    features = features.reshape(4 * patch_h * patch_w, feat_dim).cpu()
    pca = PCA(n_components=3)
    pca.fit(features)
    pca_features = pca.transform(features)
    pca_features[:, 0] = (pca_features[:, 0] - pca_features[:, 0].min()) / (pca_features[:, 0].max() - pca_features[:, 0].min())
    new_pca_features = pca_features.flatten()
    print(new_pca_features, new_pca_features.shape)

遇到了这样的错误：

RuntimeError: Argument #6: Padding size should be less than the corresponding input dimension, but got: padding (4, 4) at dimension 2 of input 4

![在这里插入图片描述][6b512b493540497d8959946d6df9d138.png]

根据提供的代码和错误信息，问题出现在T.Resize()操作中。T.Resize()操作调整图像大小时，填充的大小超过了输入图像的对应维度。

在我的代码中，尝试将图像大小调整为`(patch_h * 14, patch_w * 14)`，但输入图像的尺寸仅为`14x3`。所以导致填充大小为`(4, 4)`，而这超过了图像的高度维度3。

为了解决这个问题，我需要确保图像的尺寸足够大，可以容纳`patch_h * 14`和`patch_w * 14`的大小。你可以调整输入图像的尺寸，或者修改T.Resize()操作的目标大小。

如果你想调整输入图像的大小，可以使用T.Resize()来设置一个合适的尺寸。如果你希望更改T.Resize()的目标大小，确保目标大小小于输入图像的尺寸。

我们看一下这张照片的尺寸大小：

from PIL import Image
    
    image_path = "/home/wangzhenkuan/val_cropped/cropped_(25, 140, 39, 143)_obj365_val_000000685822.jpg"
    img = Image.open(image_path)
    width, height = img.size
    print(f"图片尺寸：宽度 = {
          width}px，高度 = {
          height}px")

可以得到：

图片尺寸：宽度 = 14px，高度 = 3px

我尝试将图片尺寸调整为 14 \* 14：

img = Image.open(img_path).convert('RGB').resize((14, 14))

这样的话输出便不再报错！

[ 7.44867728e-01  2.34980489e+00 -2.27559823e-02 ...  3.59724475e-01
      9.42175007e+00  2.56441818e+01] (9408,)

[6b512b493540497d8959946d6df9d138.png]: https://img-blog.csdnimg.cn/6b512b493540497d8959946d6df9d138.png