Python 如何正确设置LPRNet模型的输入图像大小'；RuntimeError：除了维度1..'；

尝试为我自己的数据集调整LPRNet模型。原始模型是为尺寸为24x94像素的中国车牌图像设置的。我的数据集由只有数字的板组成，图像的尺寸为64x128。我尝试将“summary（lprnet，（3,24,94），device=“cpu”）替换为“summary（lprnet，（3,64128），device=“cpu”）时出错。 第一个代码运行良好，第二个代码get'RuntimeError:张量的大小必须匹配，维度1除外。在维度3中得到25和24（有问题的索引是1）”，这是代码的最后一行。 我看不出代码中还有什么地方需要更改参数。如果有任何线索我都会感激的！ 原件：

---

您的代码的问题在于，对于（64128）输入大小，全局_上下文中四个张量的形状是不同的。对于形状（24,94），在

LRPNet

中，作者使用不适用于您的图像大小的平均池来确定（4,18）的所有张量的大小。要使其大小相同，您需要在枚举

keep_功能时更改
nn.AvgPool2d
的配置。您可以通过各种方式更新它们。我用以下配置更新了avgpool，它正常工作了：

            if i in [0, 1]:
                f = nn.AvgPool2d(kernel_size=(11, 24), stride=(7, 4))(f)

            elif i == 2:
                f = nn.AvgPool2d(kernel_size=(9, 11), stride=(7, 2))(f)
            elif i == 3:
                f = nn.AvgPool2d(kernel_size=(7, 2), stride=(5, 1))(f)
            f_pow = torch.pow(f, 2)
            f_mean = torch.mean(f_pow)
            f = torch.div(f, f_mean)
            global_context.append(f)```

非常感谢你，拉比巴！这也适用于我，你能更详细地解释一下你是如何找到解决方案的吗？我试图理解（24,94）的输入大小与（4,18）大小的张量之间的关系。你是怎么找到这些张量的（4,18）？首先，我得到了全局上下文张量的形状。在原始代码中，他们通过平均池将所有全局_上下文张量形成（4,18）。然而，在你的例子中，形状更大。要使它们全部（4，18）需要大量的信息压缩。所以我通过平均池将所有形状改为（8,26）。在进行平均池时，为了找出每个操作的内核大小和步幅，我只是遵循了本页中H{out}和W{out}的数学：希望它有帮助。它确实有帮助，非常感谢您的解释。我也用这些公式解决了另一个问题！
            if i in [0, 1]:
                f = nn.AvgPool2d(kernel_size=(11, 24), stride=(7, 4))(f)

            elif i == 2:
                f = nn.AvgPool2d(kernel_size=(9, 11), stride=(7, 2))(f)
            elif i == 3:
                f = nn.AvgPool2d(kernel_size=(7, 2), stride=(5, 1))(f)
            f_pow = torch.pow(f, 2)
            f_mean = torch.mean(f_pow)
            f = torch.div(f, f_mean)
            global_context.append(f)```