Python ValueError:没有足够的值在Pytorch中解包(预期为3,得到2)
这是我的定义验证函数Python ValueError:没有足够的值在Pytorch中解包(预期为3,得到2),python,deep-learning,pytorch,Python,Deep Learning,Pytorch,这是我的定义验证函数 当我加载模型并使用这段代码开始预测时,我使用PyTorch收到了错误。在这之后,我通过epoch循环和batch循环进行迭代,我得到了这个错误 def validate_epoch(net, val_loader,loss_type='CE'): net.train(False) running_loss = 0.0 sm = nn.Softmax(dim=1) truth = [] preds = [] bar = tqd
当我加载模型并使用这段代码开始预测时,我使用PyTorch收到了错误。在这之后,我通过epoch循环和batch循环进行迭代,我得到了这个错误
def validate_epoch(net, val_loader,loss_type='CE'):
net.train(False)
running_loss = 0.0
sm = nn.Softmax(dim=1)
truth = []
preds = []
bar = tqdm(total=len(val_loader), desc='Processing', ncols=90)
names_all = []
n_batches = len(val_loader)
for i, (batch, targets, names) in enumerate(val_loader):
if loss_type == 'CE':
labels = Variable(targets.float())
inputs = Variable(batch)
elif loss_type == 'MSE':
labels = Variable(targets.float())
inputs = Variable(batch)
outputs = net(inputs)
labels = labels.long()
loss = criterion(outputs, labels)
if loss_type =='CE':
probs = sm(outputs).data.cpu().numpy()
elif loss_type =='MSE':
probs = outputs
probs[probs < 0] = 0
probs[probs > 4] = 4
probs = probs.view(1,-1).squeeze(0).round().data.cpu().numpy()
preds.append(probs)
truth.append(targets.cpu().numpy())
names_all.extend(names)
running_loss += loss.item()
bar.update(1)
gc.collect()
gc.collect()
bar.close()
if loss_type =='CE':
preds = np.vstack(preds)
else:
preds = np.hstack(preds)
truth = np.hstack(truth)
return running_loss / n_batches, preds, truth, names_all
正如您在回溯错误中看到的,它给出了一些终端显示错误:
ValueError Traceback (most recent call last)
<ipython-input-27-d2b4a1ca3852> in <module>
12 test_started = time.time()
13
---> 14 test_loss, probs, truth, file_names = validate_epoch(model, test_iterator)
15 preds = probs.argmax(1)
16
<ipython-input-25-34e29e0ff6ed> in validate_epoch(net, val_loader, loss_type)
9 names_all = []
10 n_batches = len(val_loader)
---> 11 for i, (batch, targets, names) in enumerate(val_loader):
12 if loss_type == 'CE':
13 labels = Variable(targets.float())
ValueError: not enough values to unpack (expected 3, got 2)
ValueError回溯(最近一次调用)
在里面
12测试_开始=时间。时间()
13
--->14测试丢失、问题、真相、文件名=验证历元(模型、测试迭代器)
15 preds=问题argmax(1)
16
在有效期内(净值、增值加载器、损失类型)
9个名称_all=[]
10个n_批次=长度(val_装载机)
--->11对于枚举(val_loader)中的i(批次、目标、名称):
12如果损失类型=‘CE’:
13标签=变量(targets.float())
ValueError:没有足够的值来解包(预期为3,实际为2)
来自:
返回:(示例,目标),其中目标是目标类的类索引
因此,非常简单,您当前使用的dataset对象返回一个包含2个项的元组。如果试图将此元组存储在3个变量中,则会出现错误。正确的路线是:
for i, (batch, targets) in enumerate(val_loader):
如果您确实需要名称(我假设是每个图像的文件路径),您可以定义一个新的dataset对象,该对象继承自
ImageFolder
dataset,并重载\uu getitem\uuuuuu
函数以同时返回此信息。问题在于dataloader或底层dataset类。您需要3个输出,即批处理
、目标
和名称
。但是,从错误来看,dataloader似乎只提供了两件事(我猜是批处理和目标)。因此,请检查代码的这一部分(如果没有发现问题,请将其添加到问题中)。请注意,错误之后出现的任何代码都与问题无关(从未执行),不应包含在此处,因为它只会造成不必要的混乱;对于不相关的代码,如print
语句(已编辑掉),也是如此。这里发布的代码应该是最小的。为了帮助我们,我们需要查看定义了val\u loader
的代码。numerate给出了一个索引和一个值(在迭代器上),这没有问题,然后您尝试解包,这样您的测试迭代器就会生成一对,不是三元组。以下testpath=“/home/testdata/”#创建验证数据集test_data=datasets.ImageFolder(root=testpath,transform=test_transforms)打印(test_data)BATCH_SIZE=32 test_iterator=torch.utils.data.DataLoader(test_data,BATCH_SIZE=BATCH_SIZE)打印(f'测试示例数:{len(test_iterator)}')@DerekG
for i, (batch, targets) in enumerate(val_loader):