[Must Have 텐초의 파이토치 딥러닝 특강] 7장. 이미지 세그멘테이션 : U-Net

[@정현지-l8i]

텐초님 덕분에 파이토치랑 딥러닝 공부 입문을 정말 잘했습니다...! 앞으로도 더 많은 책 부탁드립니다. 도움 많이 받았습니다 감사합니다.

[@sputnik7565]

텐초님 책과 영상 잘 보고 있습니다.
모델 평가하는 부분에서 아래와 같이 타입에러 뜨시는 분은 다음과 같이 cpu로 텐서를 바꿔주시면 됩니다.
에러 내용:
TypeError: can't convert cuda:0 device type tensor to numpy. Use Tensor.cpu() to copy the tensor to host memory first.
수정 :
모델 평가 부분
pred = model(torch.unsqueeze(data.to(device), dim=0))>0.5 --> pred = model(torch.unsqueeze(data.to(device), dim=0)).cpu()>0.5
감사합니다.

[@우보천리-z8o]

텐초님. 모델 학습과정 손실 계산 부분 loss = nn.BCEWithLogitsLoss() 에서 ValueError: Target size (torch.Size([1, 128, 128])) must be the same as input size (torch.Size([128, 128])) 이 에러가 나고 있습니다. 올려주신 소스 그대로 실행해보고 있습니다. 어떤 부분을 확인해봐야 할까요?

[@텐초]

모델 출력하고 데이터로더가 반환하는 정답의 모양이 일치하지 않는게 문제입니다
모델의 마지막출력 직전에 unsqueeze같은 함수로 배치 차원을 추가해주세요

[@텐초]

근데 이상하네요
모델의 순전파쪽에서 squeeze를 해주고
데이터셋의 preprocess mask함수에서 채널정보를 지울테니
보통이라면 뜰수없는 에러입니다
코드에 오타가 없는지 확인해주세요

[@우보천리-z8o]

@@텐초 처음부터 나오는 것이 아니라 epoch1 loss:0.5439759492874146: 98%|█████████▊| 62/63 [02:31 8 loss = nn.BCEWithLogitsLoss()(
9 preds,
10 label.type(torch.FloatTensor).to(device)) # 손실 계산
11 loss.backward() # 오차 역전파
13 optim.step() # 최적화
File ~/git/python/pytoch/.venv/lib/python3.12/site-packages/torch/nn/modules/module.py:1511, in Module._wrapped_call_impl(self, *args, **kwargs)
1509 return self._compiled_call_impl(*args, **kwargs) # type: ignore[misc]
1510 else:
-> 1511 return self._call_impl(*args, **kwargs)
File ~/git/python/pytoch/.venv/lib/python3.12/site-packages/torch/nn/modules/module.py:1520, in Module._call_impl(self, *args, **kwargs)
1515 # If we don't have any hooks, we want to skip the rest of the logic in
1516 # this function, and just call forward.
1517 if not (self._backward_hooks or self._backward_pre_hooks or self._forward_hooks or self._forward_pre_hooks
1518 or _global_backward_pre_hooks or _global_backward_hooks
1519 or _global_forward_hooks or _global_forward_pre_hooks):
-> 1520 return forward_call(*args, **kwargs)
1522 try:
1523 result = None
...
3196 if not (target.size() == input.size()):
-> 3197 raise ValueError(f"Target size ({target.size()}) must be the same as input size ({input.size()})")
3199 return torch.binary_cross_entropy_with_logits(input, target, weight, pos_weight, reduction_enum)
ValueError: Target size (torch.Size([1, 128, 128])) must be the same as input size (torch.Size([128, 128]))

[@우보천리-z8o]

@@텐초 처음부터 에러가 나는 거이 아니라 epoch1 loss:0.5439759492874146: 98%|█████████▊| 62/63 [02:31 8 loss = nn.BCEWithLogitsLoss()(
9 preds,
10 label.type(torch.FloatTensor).to(device)) # 손실 계산
11 loss.backward() # 오차 역전파
13 optim.step() # 최적화
File ~/git/python/pytoch/.venv/lib/python3.12/site-packages/torch/nn/modules/module.py:1511, in Module._wrapped_call_impl(self, *args, **kwargs)
1509 return self._compiled_call_impl(*args, **kwargs) # type: ignore[misc]
1510 else:
-> 1511 return self._call_impl(*args, **kwargs)
File ~/git/python/pytoch/.venv/lib/python3.12/site-packages/torch/nn/modules/module.py:1520, in Module._call_impl(self, *args, **kwargs)
1515 # If we don't have any hooks, we want to skip the rest of the logic in
1516 # this function, and just call forward.
1517 if not (self._backward_hooks or self._backward_pre_hooks or self._forward_hooks or self._forward_pre_hooks
1518 or _global_backward_pre_hooks or _global_backward_hooks
1519 or _global_forward_hooks or _global_forward_pre_hooks):
-> 1520 return forward_call(*args, **kwargs)
1522 try:
1523 result = None
...
3196 if not (target.size() == input.size()):
-> 3197 raise ValueError(f"Target size ({target.size()}) must be the same as input size ({input.size()})")
3199 return torch.binary_cross_entropy_with_logits(input, target, weight, pos_weight, reduction_enum)
ValueError: Target size (torch.Size([1, 128, 128])) must be the same as input size (torch.Size([128, 128]))

[@도사남]

안녕하세요. 책과 강의 잘 보고 있습니다.
혹시 이진 분류를 다중 분류로 변경하는 부분에 대해서 수정 코드를 알 수 있을까요?
연습 문제에 나와있는 정답을 참고해서 변경해보고 있는데,, 잘안되네요..

[@도사남]

@@텐초 확인 감사합니다..
책에 나와있는대로, 출력채널은 1에서 3으로, softmax 추가, CELoss사용하도록 수정은 했습니다. 다만, Label 데이터를 0, 1이 아닌 3개의 classes를 가지도록 해야 할 것 같은데 preprocessmask부분을 어떻게 변경해야 될지 감이 안 옵니다.
one-hot encoding 을 써야 될까요?
고견 부탁드립니다.
감사합니다.

[@백창현-y2e]

안녕하세요. 재밌게 따라가고있는데, Unet의 모든 코드를 똑같이 해도 이런오류가발생하는데 해결방법을 아실까요?
stack expects each tensor to be equal size, but got [3, 128, 128] at entry 0 and [1, 128, 128] at entry 28

[@가즈아-d8w]

@@텐초 책의 내용을 그대로 따라했는데 학습루프에서 같은 에러가 발생하네요

[@백창현-y2e]

@@텐초 네 감사합니다.

[@peterpanlab2694]

하아... 하루종일 이 에러 찾다가 영상 생각나서 왔는데 관련 해결책이 있네요.
저는 텐초님 코드가 작동이 않되서 어찌 저찌 찾았습니다.
아래 파일들이 32bit(4채널), 8bit(1채널) jpg라 차원이 안맞게 되나봅니다. 참고하시기 바랍니다.
(흑백이야 그렇다치고... 왜 jpg따위에 32bit로 저장을 하는지. ㅠ_ㅠ, 옥스포드 놈들도 밉네요. 기왕에 뿌릴거 정리 좀 더 해주지.. 쩝)
./data/oxford/images\Abyssinian_34.jpg (202, 250)
./data/oxford/images\Abyssinian_5.jpg (150, 200, 4)
./data/oxford/images\Egyptian_Mau_129.jpg (325, 299)
./data/oxford/images\Egyptian_Mau_139.jpg (250, 350)
./data/oxford/images\Egyptian_Mau_14.jpg (800, 582, 4)
./data/oxford/images\Egyptian_Mau_145.jpg (188, 216)
./data/oxford/images\Egyptian_Mau_167.jpg (275, 183)
./data/oxford/images\Egyptian_Mau_177.jpg (175, 246)
./data/oxford/images\Egyptian_Mau_186.jpg (275, 183, 4)
./data/oxford/images\Egyptian_Mau_191.jpg (214, 300)
./data/oxford/images\staffordshire_bull_terrier_2.jpg (282, 500)
./data/oxford/images\staffordshire_bull_terrier_22.jpg (500, 364)

[@백창현-y2e]

이상하게 여기에 코드를 2번이나 올렸는데 사라지내요.. 데이터도 잘 불러와지는데 머때문에 오류가생기는지 잘모르겠어요
마지막 학습부분에서 오류가발생합니다.

[@MmX-x1x]

안녕하세요. 클래스를 그대로 3개로 분류하게 코드를 다시 짜고 있는데 몇가지 의문이 있습니다.
모델의 torch.squeeze 부분과 preprocess 없애고 최종 채널을 3, bce를 ce로 바꾸긴 했는데 softmax 힘수를 코드의 어느부분에 적용시켜야 할지 잘 모르겠습니다...
그리고 파일을 열어보니까 레이블이 1 2 3 으로 되어 있던데 띠로 0 1 2로 안바꿔도 될까요??

[@MmX-x1x]

@@텐초 계속 런타임 에러 CUDA error: device-side assert triggered 라고 뜨는데 이유를 모르겠네요 ㅠㅠ

[@MmX-x1x]

@@텐초 preprocess_mask를 지우고 np.squeeze(label) 하니까 오류 없이 학습이 진행됩니다!! 그런데 loss가 아예 0이 되어 버리네요..

[@MmX-x1x]

@@텐초 스퀴즈를 안하면 RuntimeError: only batches of spatial targets supported (3D tensors) but got targets of size: : [32, 1, 128, 128] 요런 오류가 떠서요! label은 3차원으로 받아야 한다고 에러가 뜨는거 같습니다

[@MmX-x1x]

조금 늦었지만 해결이 됐습니다!! 제가 짠 코드가 맞는건진 모르겠지만 일단 돌아가고 결과도 나오네요 정말 감사합니다!!