@TOC
问题1：pytorch下，对多维tensor进行缩放
问题原因：有的时候想要把得到图像的尺寸过大过小，想要对生成的tensor张量进行缩放，同时要保持原有图像等比例。如现在有一个tensor,他的大小是：[64,3,256,256],64代表batch size，3表示通道数，256代表长和宽，想要将其缩小为32*32的尺寸。
解决方案：我们可以使用
transform.resize()，但在试过后，发现使用torch.nn.functional.interpolate会更好用首先说明其参数：
torch.nn.functional.interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None)
- input是我们的输入张量(Tensor)
- size是输出大小
- scale_factor (float or Tuple[float]) 指定输出为输入的多少倍数
- mode是上采样算法的选择：有’nearest’, ‘linear’, ‘bilinear’, ‘bicubic’ , ‘trilinear’和’area’，其中默认是’nearest’
- align_corners (bool, optional) 如果设置为True，则输入和输出张量由其角像素的中心点对齐，从而保留角像素处的值。如果设置为False，则输入和输出张量由它们的角像素的角点对齐，插值使用边界外值的边值填充
使用样例：
print(train_mask.size()) # train_mask尺寸本来是[64,3,256,256] train_mask = torch.nn.functional.interpolate(train_mask, scale_factor=1 / 4, mode='bilinear',align_corners=False) #变换之后，train_mask尺寸变为[64,3,64,64] print(train_mask.size())
问题2：'PIL.Image' has no attribute '****'
问题原因：这个是因为系统已经安装的PIL太新了，有些属性在新版中已经被弃用
解决方案：改回原来的版本就可以：pip install pillow==4.1.1，安装老版本pillow，最后会告诉你这个版本已经过时了，不用管。
问题3：ImportError: cannot import name 'imread'
问题原因：“scipy”库的版本过高
解决方案：改回原来的版本：pip install scipy==1.2.1
问题4：models/bird/netG.pth is a zip archive (did you mean to use torch.jit.load()?)
问题原因：原来训练后保存参数时所在的pytorch环境和现在加载参数的pytorch环境可能不同，版本不一致，导致当时保存的参数现在读不出来。
解决方案：先在1.x版本下加载模型，然后在保存为非zip格式的，即设置use_new_zipfile_serialization=False 就行了。
#torch_version==1.x import torch from models import net checkpoint = 'xxx.pth' model = net() model.load_state_dict(torch.load(checkpoint)) model.eval() torch.save(model.state_dict(), model_path, use_new_zipfile_serialization=False)
问题5：模型的保存与加载
问题描述：在实际运行当中，要注意每100轮epoch或者每50轮epoch要保存训练好的参数，以防不测（断电、断连、硬件故障、地震火灾等），这样下次可以直接加载该轮epoch的参数接着训练，就不用重头开始。
解决方案：
参数的保存：
torch.save(model.state_dict(), path)
参数的加载
model.load_state_dict(torch.load(path))
问题6：UnicodeDecodeError: 'gbk' codec can't decode byte 0x80 in position 226: illegal multibyte sequence
问题原因：某个文件是gbk编码，其无法被解码。
解决方案：看看是不是自己在yml文件或者其他文件中写了中文（如在下图中 不小心在注释写了中文，导致解码失败），删除就好了
请添加图片描述
