mat1 和 mat2 形状不能相乘

Question

我是人工智能和Python的新手，我正在尝试构建一个架构来训练一组图像。然后以过度拟合为目标。但到目前为止，我无法理解如何正确获取输入和输出。每当我尝试训练网络时，我总是看到错误：

mat1 and mat2 shapes cannot be multiplied (48x13456 and 16x64)

我的网络：

net2 = nn.Sequential(

nn.Conv2d(3,8, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),


nn.Conv2d(8,16, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),

nn.Flatten(),
nn.Linear(16,64),
nn.ReLU(),
nn.Linear(64,10)
)

这是我正在执行的任务的一部分，我真的不明白为什么它没有运行。任何提示！

Answer 1

这是因为您已将 2D cnn 展平为 1D FC 层...
并且您必须在展平层之前手动计算更改后的输入形状从 128 大小到 Maxpool 层...在您的情况下，因此29*29*16 您的代码必须重写为

net2 = nn.Sequential(

nn.Conv2d(3,8, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),


nn.Conv2d(8,16, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),

nn.Flatten(),

nn.Linear(13456,64),
nn.ReLU(),
nn.Linear(64,10)
)

这应该有效

编辑：这是计算输出大小的简单公式：

  (((W - K + 2P)/S) + 1)
    Here W = Input size
    K = Filter size
    S = Stride
    P = Padding 

所以第一个转换块将使你的输出大小为124
然后你做Maxpool这将使它一半，即62
第二个转换块将使你的输出大小为58
然后你的最后一个Maxpool将使它成为29...
所以最终的扁平化输出将29*29*16是16为输出通道