我正在尝试加载数据集以获得超分辨率,并且我设置了两个函数,这些函数使用Compose来裁剪图像并调整其大小。
我为输入图像创建的功能可以正常工作,并且它们按预期输出。目标图像的变换功能基本上是相同的,只是省略了它的调整大小部分。
def input_trans(c_size, sF):
return Compose([
CenterCrop(c_size),
Resize(c_size // sF),
ToTensor(),
])
def goal_trans(c_size):
return Compose([
CenterCrop(c_size),
ToTensor(),
])
这些功能在加载图像时在我的数据集类中使用。我最初有Goal = input.Copy(),但我已经对其进行了更改,因此input和目标都分别加载了图像。 (正在测试是否是.copy()的问题
def __getitem__(self, idx):
input = Image.open(self.image_filenames[idx]).convert('RGB')
goal = Image.open(self.image_filenames[idx]).convert('RGB')
if self.input_transform:
input = self.input_transform(input)
if self.goal_transform:
print(goal)
print(goal.size)
goal = self.goal_transform(goal)
return input, goal
我收到的错误如下:
Traceback (most recent call last):
File "main.py", line 128, in <module>
main() # execute this only when run directly, not when imported!
File "main.py", line 55, in main
train_model(epoch)
File "main.py", line 40, in train_model
for data_item, batch in enumerate(training_data_loader):
File "C:\Users\[NAME]\anaconda3\envs\pytorch\lib\site-packages\torch\utils\data\dataloader.py", line 345, in __next__
data = self._next_data()
File "C:\Users\[NAME]\anaconda3\envs\pytorch\lib\site-packages\torch\utils\data\dataloader.py", line 385, in _next_data
data = self._dataset_fetcher.fetch(index) # may raise StopIteration
File "C:\Users\[NAME]\anaconda3\envs\pytorch\lib\site-packages\torch\utils\data\_utils\fetch.py", line 44, in fetch
data = [self.dataset[idx] for idx in possibly_batched_index]
File "C:\Users\[NAME]\anaconda3\envs\pytorch\lib\site-packages\torch\utils\data\_utils\fetch.py", line 44, in <listcomp>
data = [self.dataset[idx] for idx in possibly_batched_index]
File "main.py", line 118, in __getitem__
goal = self.goal_transform(goal)
File "C:\Users\[NAME]\anaconda3\envs\pytorch\lib\site-packages\torchvision\transforms\transforms.py", line 70, in __call__
img = t(img)
TypeError: ToTensor() takes no arguments
[让我感到困惑,因为它似乎在第一个转换中没有问题(我已经检查过并在崩溃前输出了)。
我非常感谢你们能提供的任何帮助,
谢谢:)
问题解决了!与torchvision.transforms无关。
我实际上并没有使用上面的函数,而是以前尝试使用的内联声明。
我的坏