每当我运行模型（图像）时，`*** RuntimeError：mat1 dim 1 必须匹配 mat2 dim 0`

Question

    def __init__(self):
        super().__init__()

        self.conv = nn.Sequential(
            nn.Conv2d(1, 64, kernel_size=5, stride=2, bias=False),
            nn.BatchNorm2d(64),
            nn.ReLU(),

            nn.Conv2d(64, 64, kernel_size=3, stride=2, bias=False),
            nn.BatchNorm2d(64),
            nn.ReLU(),
            
            nn.Conv2d(64, 64, kernel_size=3, stride=2, bias=False),
            nn.BatchNorm2d(64),
  
        )

我该如何处理这个错误？我认为错误出在 self.fc 上，但我不能说如何修复它。

Answer 1

的输出self.conv(x)形状为torch.Size([32, 64, 2, 2]): 32*64*2*2= 8192（这相当于 ( self.conv_out_size)。全连接层的输入需要一个单维向量，即您需要在传递到前向函数中的全连接层之前将其展平。

IE

class Network():
    ...
    def foward():
    ...
        conv_out = self.conv(x)
        print(conv_out.shape)
        conv_out = conv_out.view(-1, 32*64*2*2)
        print(conv_out.shape)
        x = self.fc(conv_out)
        return x

输出

torch.Size([32, 64, 2, 2])
torch.Size([1, 8192])

编辑：

我认为你使用的self._get_conv_out函数是错误的。

它应该是

    def _get_conv_out(self, shape):
        output = self.conv(torch.zeros(1, *shape)) # not (32, *size)
        return int(numpy.prod(output.size()))

然后，在前向传递中，您可以使用

        conv_out = self.conv(x)
        # flatten the output of conv layers
        conv_out = conv_out.view(conv_out.size(0), -1)
        x = self.fc(conv_out)

对于 的输入(32, 1, 110, 110)，输出应该是torch.Size([32, 2])。