Image processing 如何修复“；类型错误：'；张量'；对象不可调用”；Pytork中的错误？

我试图计算一个线性函数，一个图像的像素，然后是log softmax（用于分类任务）。我不知道如何做到这一点而不出错。以下是相关代码：

...
torch.nn.functional.nll_loss(output, target) # error happens here
...

def __init__(self):
    super(NetLin, self).__init__()
    self.in_out = torch.nn.Linear(28, 2)

def forward(self, input):
    out_sum = self.in_out(input)
    output = torch.nn.LogSoftmax(out_sum)
    return output

我得到的完整错误信息是：

Traceback (most recent call last):
  File "copy.py", line 98, in <module>
    main()
  File "copy.py", line 94, in main
    train(args, net, device, train_loader, optimizer, epoch)
  File "copy.py", line 21, in train
    loss = torch.nn.functional.nll_loss(output, target)
  File "/usr/local/lib/python3.7/site-packages/torch/nn/functional.py", line 2107, in nll_loss
    dim = input.dim()
TypeError: 'Tensor' object is not callable

现在我的错误消息是：

Traceback (most recent call last):
  File "copy.py", line 102, in <module>
    main()
  File "copy.py", line 98, in main
    train(args, net, device, train_loader, optimizer, epoch)
  File "copy.py", line 24, in train
    output = loss(model(input), target)
  File "/usr/local/lib/python3.7/site-packages/torch/nn/modules/module.py", line 550, in __call__
    result = self.forward(*input, **kwargs)
  File "/Users/.../copy.py", line 15, in forward
    input = input.view(-1, 28 * 28)
AttributeError: 'builtin_function_or_method' object has no attribute 'view'

回溯（最近一次呼叫最后一次）：
文件“copy.py”，第102行，在
main（）
文件“copy.py”，第98行，主
列车（参数、网络、设备、列车装载机、优化器、epoch）
列车中第24行的文件“copy.py”
输出=损失（模型（输入）、目标）
文件“/usr/local/lib/python3.7/site packages/torch/nn/modules/module.py”，第550行，在调用中__
结果=自我转发（*输入，**kwargs）
文件“/Users/../copy.py”，第15行，向前
input=input.view（-1,28*28）
AttributeError:“内置函数”或“方法”对象没有属性“视图”

---

正如您可以看到的，

数据

和

目标

是从文件中读取的（它们实际上来自KMNIST），因此我无法精确控制它们的格式，但我知道图像大小都是[1,28,28]，即28*28灰度图像。此外，批量大小为64以防出现问题。

您是否记得使用

model.train（）

在列车循环中将模型设置为训练模式？另外，

nll\u loss

接受2个张量，但是第一个条目（输入张量）在通过模型之前需要有

requires\u grad=True

，这也是为什么需要在训练之前设置

model.train（）

所以你会有这样的想法：

model = NetLin()
model.train()
loss = nn.NLLLoss()
input = torch.randn(7, 4, requires_grad=True) # your input image (tensor)
target = torch.tensor([1, 0]) # image label for image belonging to first class
output = loss(model(input), target)

我也有点担心你的

self.in\u out=torch.nn.Linear（28,2）

。这意味着你的线性层需要28个特征，这意味着你的输入图像要么是7x4，要么是14x2，要么是28x1，这在我看来是不对的？您不是在使用大小为28x28的图像（在本文中是非常典型的大小）吗？在这种情况下，您的线性层将被修改为

self.In\u out=torch.nn.linear（28*28，2）

，您的向前传球必须修改如下：

def forward(self, input):
    input = input.view(-1, 28*28)
    out_sum = self.in_out(input)
    output = torch.nn.LogSoftmax(out_sum)
    return output

---

您是否记得使用

model.train（）

，在列车循环中将模型设置为训练模式？另外，

nll\u loss

接受2个张量，但是第一个条目（输入张量）在通过模型之前需要有

requires\u grad=True

，这也是为什么需要在训练之前设置

model.train（）

所以你会有这样的想法：

model = NetLin()
model.train()
loss = nn.NLLLoss()
input = torch.randn(7, 4, requires_grad=True) # your input image (tensor)
target = torch.tensor([1, 0]) # image label for image belonging to first class
output = loss(model(input), target)

我也有点担心你的

self.in\u out=torch.nn.Linear（28,2）

。这意味着你的线性层需要28个特征，这意味着你的输入图像要么是7x4，要么是14x2，要么是28x1，这在我看来是不对的？您不是在使用大小为28x28的图像（在本文中是非常典型的大小）吗？在这种情况下，您的线性层将被修改为

self.In\u out=torch.nn.linear（28*28，2）

，您的向前传球必须修改如下：

def forward(self, input):
    input = input.view(-1, 28*28)
    out_sum = self.in_out(input)
    output = torch.nn.LogSoftmax(out_sum)
    return output

---

什么是

output

和

output.dim

？请不要破坏您的问题。您可以在下面发布一个答案，描述问题的原因和解决方案。什么是

output

和

output.dim

？请不要破坏您的问题。您可以在下面发布一个答案，描述问题的原因和解决方案。谢谢Emile。我的火车循环中有

model.train（）

，你说得对，图像分辨率是28*28。我已经尽可能地按照你的建议去做了，我已经添加了我的代码现在看起来像什么，以及我在主帖子上看到的错误消息。没关系，我认为我已经修复了它，非常感谢！谢谢你，埃米尔。我的火车循环中有

model.train（）

，你说得对，图像分辨率是28*28。我已经尽可能地按照你的建议去做了，我已经添加了我的代码现在看起来像什么，以及我在主帖子上看到的错误消息。没关系，我认为我已经修复了它，非常感谢！