运行卷积网络时抛出Expected 4-dimensional input, got [3,224,224]，原因是 CNN 卷积层期待四维输入张量，标准形状是[batch, channel, height, width]，而你传入的单张图片只有三维[3,224,224]，缺少 batch 这个第一维，很多人推理单图的时候直接把读取好的图像张量送进模型，忘记网络训练和推理的接口是统一的，卷积算子本身不自动帮你补上 batch 维度，哪怕只跑一张图，也必须手动新增 batch 维度。最常用的方式是使用unsqueeze(0)在第 0 维增加一个大小为 1 的维度，形状变成[1,3,224,224]，满足四维要求；也可以用 None 索引的写法img[None, ...]，效果完全一样。推理结束之后，如果需要取出图片对应的输出结果，再用 squeeze (0) 把这个多余的 batch 维去掉就可以，就能避开这个维度数量不匹配的报错。
一、报错根源清单
- Conv2d 等二维卷积层输入规范：4D tensor，shape [B, C, H, W]。
- 单张图片张量：[C, H, W]，只有 3 维，缺少 batch 维度 B。
- 模型训练时都是批量数据，推理接口复用同一套，不会自动兼容 3 维单图。
- 容易混淆：PIL 图片、OpenCV 读取的数组转 tensor 之后，默认没有 batch 轴。
二、写法对比表
| 写法 | 张量 shape | 是否报错 | 说明 |
|---|---|---|---|
| 错误写法 | img = torch.randn(3,224,224); out = model(img) | 是 | 3 维，缺少 batch 维 |
| 正确写法 unsqueeze | img_batch = img.unsqueeze(0) → [1,3,224,224] | 否 | 推荐，可读性强 |
| 正确写法 None 切片 | img_batch = img[None, ...] → [1,3,224,224] | 否 | 简洁写法 |
三、标准操作步骤
- 加载、预处理图片，转成 tensor，此时 shape 一般是[C, H, W]。
- 在 0 号维度增加 batch 维度：img = img.unsqueeze(0)。
- 将 4 维张量送入 model 前向推理。
- 拿到输出后，如果不需要 batch 维，用out = out.squeeze(0)去掉第 0 维。
- 注意：不要随便 squeeze 其他维度，避免把通道、高度维度意外删掉。
四、最简示例代码
import torch
import torch.nn as nn
model = nn.Conv2d(3,16,3,padding=1)
单张图片，3维
img = torch.randn(3, 224, 224)
增加batch维度
img_batch = img.unsqueeze(0)
pred = model(img_batch)
推理完去掉batch维
pred = pred.squeeze(0)
五、高频踩坑点
❌ 坑 1：squeeze 之后再送入网络，把仅有的 batch 维删掉，触发该报错
❌ 坑 2：增加维度的时候写 unsqueeze (1)，加到通道后面，维度顺序错乱
✅ 坑规避：unsqueeze (0) 固定在最前面增加 batch 轴，符合 BCHW 格式
✅ 提示：DataLoader 加载出来的数据天然带 batch 维，只有手动单图推理才会遇到
【相关 FAQ】
问题 1：Expected 4-dimensional input, got [3,224,224]，为什么单张图片输入模型也要保留 batch 维？
回答 1：PyTorch 的 Conv2d 期待四维 BCHW 格式输入，模型的前向逻辑是按批量设计的，算子不会自动补齐 batch 维度；哪怕只有一张图片，也必须构造 batch=1 的四维张量，所以单图推理需要手动新增 batch 维度。
问题 2：解决这个报错，img.unsqueeze (0) 和 img [None, ...] 两种方式有区别吗？
回答 2：二者效果一致，都是在第 0 维新增大小为 1 的 batch 维度；unsqueeze 写法可读性更好，适合新手，None 切片写法更简短，两种都可以用来给单张图片补齐维度。
问题 3：推理结束之后，squeeze (0) 会不会把通道或者高宽维度删掉？
回答 3：squeeze (0) 只会删除第 0 维上大小等于 1 的维度，只要你的输出 shape 是 [1, C, H, W]，squeeze (0) 只会移除 batch 维，不会改动通道、高度、宽度；不要不带参数直接写 squeeze ()，会把所有值为 1 的维度全部删除，引发新问题。
【参考资料】
[2026-10-10]（Conv2d 输入维度说明 PyTorch Docs）PyTorch 官方文档
[2026-09-05]（Expected 4-dimensional input got 3D tensor 推理踩坑）PyTorch 论坛
[2026-07-18]（unsqueeze、squeeze 维度操作详解）掘金
[2026-06-03]（BCHW 格式单图推理最佳实践）Stack Overflow
【免责声明】
本文针对 PyTorch Expected 4-dimensional input 报错做技术科普，方案适用于标准 Conv2d、ResNet 等 BCHW 格式 CNN；部分自定义网络、NHWC 通道格式模型维度规则不同，需要对应调整；推理时增加 batch 维度后，后续后处理、标签对齐逻辑需要配套适配。