1

IndexError: boolean index did not match indexed array along dimension 0; dimension is 4194304 but corresponding boolean dimension is 65536

定位到导致错误的代码，是metric.py，Collect values for Confusion Matrix 收集混淆矩阵的值时出错

这一段是为了比较真实值与预测值，但是预测值的维度却比真实值大了64倍。
参考here
问题分析：
简要说就是torch版本更新后，有些函数输出的BCWH变成了BWHC。
运行报错后，一行一行溯源，发现问题出在pred的shape和Label的shape不匹配。
CDF0和CDFA中，forward是对backbone的计算的特征图进行相似度计算，然后这个相似度通过阈值1选择后作为pred的结果的。
以下为猜测，没有找到实料。我猜测老版本torch中F.pairwise_distance生成的结果是BCWH，因此可以直接拿来插值然后和label做比较。但新版本应该是变成了BWHC。用默认的Resnet18（即netF）生成的特征层应该为B*64©64(W)64(H)，F.pairwise_distance生成的结果为B64(W)64(H)1©，插值后就变为B64256256，所以导致报错的dimension前面数值总是后面的64倍。
解决办法：
在CDFA和CDF0中，找到forward函数，将F.pairwise_distance生成的结果进行通道和行列变换。

    def forward(self):
        """Run forward pass; called by both functions <optimize_parameters> and <test>."""
        self.feat_A = self.netF(self.A)  # f(A)
        self.feat_B = self.netF(self.B)   # f(B)
        # 距离度量
        self.dist = F.pairwise_distance(self.feat_A, self.feat_B, keepdim=True) # 特征距离 B*W*H*C
        # 在此添加两个打印，可以输出看一下
       # print(self.dist.shape)# torch.Size([2, 64, 64, 1])
        # 在此新增以下代码行
        self.dist = self.dist.permute(0, 3, 1, 2)  # 需要变换成B*C*W*H
       # print(self.dist.shape)# torch.Size([2, 1, 64, 64])
        
        # print(self.dist.shape)
        self.dist = F.interpolate(self.dist, size=self.A.shape[2:], mode='bilinear',align_corners=True)

        #
        self.pred_L = (self.dist > 1).float()
        self.pred_L_show = self.pred_L.long() #将数字或字符串转换为一个长整型
        return self.pred_L