Pytorch training 時遇到第一張圖label 數量跟第二張不一樣 對不上
Label size 是 1 120 3
120是數量
引用 皆我百晓生 小程序回复内容作答：
当每张图像的标签数量不一致时，可能会导致在PyTorch的训练过程中发生错误，因为标签的数量必须与模型的输出大小一致。在处理此类情况时，你可以考虑采取以下几种方法：
数据预处理：确保每个图像的标签数量统一。可以通过填充、裁剪、截断或其他方式将标签调整为相同大小。例如，可以使用Python中的resize或pad函数来统一标签的大小。
数据过滤：如果某些图像的标签数量与其他图像不同，并且无法简单调整为相同大小，可以考虑将具有不一致数量标签的图像过滤掉，只使用标签数量一致的图像进行训练。这可以通过编写一个数据过滤器来实现，在数据加载时排除不符合要求的样本。
模型调整：如果标签数量不一致无法避免，并且过滤样本将导致数据丢失，你可能需要调整模型架构以处理变化的标签数量。可以尝试使用适应性池化、全连接层可变长度输入等方法来允许输入和输出的可变大小。
无论你选择哪种方法，确保在进行训练之前对数据进行适当的预处理和处理，以确保标签数量与模型输出大小一致。这样可以避免训练过程中的不匹配问题。