Python Pytorch NN错误：预期输入批次大小（64）与目标批次大小（30）匹配

我目前正在训练一个神经网络来对食物图像中的食物组进行分类，产生5个输出类。但是，每当我开始训练网络时，就会出现以下错误：

ValueError: Expected input batch_size (64) to match target batch_size (30).

这是我的神经网络定义和训练代码。我真的很感谢您的帮助，我对pytorch还比较陌生，无法准确地找出代码中的问题所在。谢谢

#Define the Network Architechture

model = nn.Sequential(nn.Linear(7500, 4950),
                      nn.ReLU(),
                      nn.Linear(4950, 1000),
                      nn.ReLU(),
                      nn.Linear(1000, 250),
                      nn.ReLU(),
                      nn.Linear(250, 5),
                      nn.LogSoftmax(dim = 1))


#Define loss
criterion = nn.NLLLoss()

#Initial forward pass
images, labels = next(iter(trainloader))
images = images.view(images.shape[0], -1)
print(images.shape)

logits = model(images)
print(logits.size)
loss = criterion(logits, labels)
print(loss)

#Define Optimizer
optimizer = optim.SGD(model.parameters(), lr = 0.01)

培训网络：

epochs = 10

for e in range(epochs):
    running_loss = 0
    for image, labels in trainloader:
        #Flatten Images
        images = images.view(images.shape[0], -1)
        #Set gradients to 0
        optimizer.zero_grad()

        #Output
        output = model(images)
        loss = criterion(output, labels) #Where the error occurs
        loss.backward()

        #Gradient Descent Step
        optimizer.step()
        running_loss += loss.item()
    else:
        print(f"Training loss: {running_loss/len(trainloader)}")

---

不是100%确定，但我认为错误在这一行：

nn.Linear(7500, 4950)

将1替换为7500，除非您完全确定您的输入是7500。请记住，第一个值始终是您的输入大小。通过输入1，您将确保您的模型可以处理任何大小的图像

顺便说一下，Pytork有一个展平功能。使用

nn.flatte

而不是使用

images.view（）

，因为您不想产生任何形状错误，也不想浪费更多的时间

您犯的另一个小错误是继续在for循环中使用

images和image

作为变量和参数。这是一种非常糟糕的做法，因为每当有人阅读你的代码时，你就会把他们弄糊涂。确保不要重复使用相同的变量

---

另外，你能提供更多关于你的数据的信息吗？例如灰度、图像大小等。

错误出现在“对于图像，trainloader中的标签：”（应为图像）行中。修好了，模特现在训练很好。

谢谢！原来这个问题是一个打字错误，毕竟“对于图像，trainloader中的标签：”（应该是图像）。谢谢你的时间！