python - PyTorch 线性层输入维度不匹配

Question

将输入数据传递给 PyTorch 中的线性（全连接层）时出现此错误：

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 Convolutional+MaxPool 层），其中：

• N：数据样本
• C：数据的渠道
• H，W：高度和宽度

尽管如此，我还是希望 PyTorch 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这种方法，因为渐变会保留以前的形状，而且通常你不应该改变 Variable.data 形状。

我很确定该框架有一个简单的解决方案，但我还没有找到。

有没有好的解决方案？

PD：全连接层的输入大小为 C * H * W

Answer 1

在阅读了一些示例后，我找到了解决方案。以下是您如何在不打乱前向/后向传递流程的情况下做到这一点：

(_, 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（无论 x 有多少维度都可以）是取除第一个维度大小之外的所有维度大小的乘积（“批量大小”）：

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

Answer 3

保存批量大小并在展平中推断其他维度是很常见的：

batch_size = x.shape[0]
...
x = x.view(batch_size, -1)