PyTorch线性图层输入尺寸不匹配

Question

我在将输入数据传递到PyTorch中的线性（完全连接层）时收到此错误：

matrices expected, got 4D, 2D tensors

我完全理解这个问题，因为输入数据的形状为（N，C，H，W）（来自卷积+ MaxPool层），其中：

• N：数据样本
• C：数据通道
• H，W：高度和宽度

不过，我希望PyTorch能够对数据表单进行“重塑”：

• [N，D1，... Dn]-> [N，D]其中D = D1 * D2 * .... Dn

我尝试重塑Variable.data，但我读到不建议使用此方法，因为渐变会保留以前的形状，并且通常不应该对Variable.data形状进行突变。

我很确定框架附带一个简单的解决方案，但是我没有找到它。

有一个好的解决方案吗？

PD：全连接层的输入大小为C * H * W

Answer 1

阅读一些示例后，我找到了解决方案。很简单：s，所以我一开始就觉得很愚蠢。

这是在不操前后方向通过流程的情况下的操作方法

(_, C, H, W) = x.data.size()
x = x.view( -1 , C * H * W)

Answer 2

一个更通用的解决方案（不管 x 有多少维度都有效）是取所有维度大小的乘积，但第一个维度（“批量大小”）：

n_features = np.prod(x.size()[1:])
x = x.view(-1, n_features)