我有一些非常简单的代码，我从HuggingFace数据集库下载一个数据集，尝试调整它的大小，并从中创建一个数据加载器。然而，我得到错误消息，图像无法堆叠，因为它们仍然是数据集中的原始大小，尽管应用了resize（）函数：
from torchvision.transforms import ToTensor, Compose, Resize
from torch.utils.data import DataLoader
from datasets import load_dataset
dataset_name = 'food101'
size = 255
resize = Compose([Resize(size),ToTensor()])
dataset = load_dataset(dataset_name, split='train')
dataset.set_transform(resize)
dataset.set_format('torch')
dataloader = DataLoader(dataset, batch_size=32)
for batch in dataloader:
print(inputs)我得到以下错误：
运行时错误：堆栈期望每个Tensor大小相等，但在条目0处得到[512，384，3]，在条目1处得到[512，512，3
我非常困惑。无论我使用set_transform（）还是with_transform（），似乎都没有真正应用转换。我做错了什么？
我也试着用这样一个函数来应用它，但没有什么区别：
def transform(examples):
examples['image'] = [resize(img) for img in examples['image']]
return examples
dataset.set_transform(transform)
1条答案
按热度按时间zazmityj1#
首先，根据数据集文档，
dataset.set_format方法重置转换。所以，既然你是在resize变换中将图像变换为PytorchTensor，我相信不需要set_format。（但您仍然可以在**set_transform之前应用它，以确保）其次，如果图像的高度和长度大小都不同，则应该为
Resize((size, size))转换提供这两个维度。总的来说，这将起作用：
请注意，仍然需要
transform(examples)函数。