我在尝试使用 Resnet50 进行图像分类问题时遇到了错误，并且无法解决它。

RuntimeError: inconsistent tensor size, expected tensor [120 x 2048] and src [1000 x 2048] to have the same number of elements, but got 245760 and 2048000 elements respectively at /Users/soumith/code/builder/wheel/pytorch-src/torch/lib/TH/generic/THTensorCopy.c:86  

错误发生在以下代码中。

self.resnet = models.resnet50(num_classes=num_breeds, pretrained='imagenet')

模型代码如下

class Resnet(nn.Module):    def __init__(self):        super(Resnet,self).__init__()        self.resnet = models.resnet50(num_classes=num_breeds, pretrained='imagenet')        #self.resnet = nn.Sequential(*list(resnet.children())[:-2])        #self.fc = nn.Linear(2048,num_breeds)    def forward(self,x):        x = self.resnet(x)        return x

回答：

当你使用 num_classes=num_breeds 创建 models.resnet50 时，最后一层是一个从 2048 到 num_classes 的全连接层（在你的例子中是120）。

使用 pretrained='imagenet' 会让 PyTorch 加载所有对应的权重到你的网络中，但它的最后一层是针对1000个类别设计的，而不是120个。这就是错误的来源，因为 2048x120 的张量与加载的权重 2048x1000 不匹配。

你可以选择创建一个具有1000个类别的网络并加载权重，然后“剪裁”到你想要保留的类别。或者你可以创建一个你想要的具有120个类别的网络，但需要手动加载权重。在后一种情况下，你只需要特别注意最后一层即可。