在應(yīng)用torch進(jìn)行測(cè)試時(shí)，有可能出現(xiàn)這種錯(cuò)誤：

RuntimeError: shape '[-1, 784]' is invalid for input of size 68076

這個(gè)錯(cuò)誤通常是由于輸入數(shù)據(jù)的大小與模型期望的輸入大小不匹配導(dǎo)致的。具體地說，在這個(gè)錯(cuò)誤信息中，[-1, 784] 表示輸入張量的形狀是一個(gè)二維張量，第一個(gè)維度大小是 -1，第二個(gè)維度大小是 784，其中 -1 表示這個(gè)維度的大小是不確定的，而第二個(gè)維度大小為 784 表示每個(gè)樣本有 784 個(gè)特征。而 "input of size 68076" 表示輸入張量的總大小是 68076，與期望的大小不匹配。

為了解決這個(gè)錯(cuò)誤，可以需要檢查輸入數(shù)據(jù)的形狀和大小是否與模型期望的輸入匹配?？赡艿脑虬ǎ?/p>

1. 輸入數(shù)據(jù)的形狀或大小不正確。檢查輸入數(shù)據(jù)的形狀和大小，確保它們與模型期望的輸入匹配。如果使用的是預(yù)處理后的數(shù)據(jù)，請(qǐng)確保預(yù)處理步驟正確。

2. 模型期望的輸入大小不正確。檢查模型定義，確保模型期望的輸入大小與實(shí)際輸入數(shù)據(jù)的大小匹配?？梢允褂媚Ｐ偷?input_shape 屬性或 summary() 方法來查看模型期望的輸入大小。

3. 輸入數(shù)據(jù)的格式不正確。確保輸入數(shù)據(jù)的格式正確。例如，在使用圖像數(shù)據(jù)訓(xùn)練模型時(shí)，需要將圖像轉(zhuǎn)換為正確的格式（如 RGB 或灰度圖像）并將其縮放到正確的大小。

問題復(fù)現(xiàn)：?文章來源地址http://www.zghlxwxcb.cn/news/detail-522280.html

import torch
import torch.nn as nn
import torchvision
import torchvision.transforms as transforms

# 定義神經(jīng)網(wǎng)絡(luò)
class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.fc1 = nn.Linear(784, 128)    #(1*28*28, 128)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(128, 10)    #(-1, 1*28*28)

    def forward(self, x):
        x = x.view(-1, 784)
        x = self.fc1(x)
        x = self.relu(x)
        x = self.fc2(x)
        return x

# 加載 MNIST 數(shù)據(jù)集
transform = transforms.Compose([transforms.ToTensor(),
                                transforms.Normalize((0.1307,), (0.3081,))])
trainset = torchvision.datasets.MNIST(root='./data', train=True,
                                      download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=32,
                                          shuffle=True, num_workers=2)

# 定義模型和優(yōu)化器
net = Net()
criterion = nn.CrossEntropyLoss()
optimizer = torch.optim.SGD(net.parameters(), lr=0.01, momentum=0.9)

# 訓(xùn)練模型
for epoch in range(5):
    running_loss = 0.0
    for i, data in enumerate(trainloader, 0):
        inputs, labels = data
        optimizer.zero_grad()
        outputs = net(inputs)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

        running_loss += loss.item()
        if i % 1000 == 999:
            print('[%d, %5d] loss: %.3f' % (epoch + 1, i + 1, running_loss / 1000))
            running_loss = 0.0

到了這里，關(guān)于RuntimeError: shape ‘[-1, 784]‘ is invalid for input of size 68076的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！