PyTorch线性图层输入尺寸不匹配

Question

在PyTorch中将输入数据传递给线性（完全连接层）时出现此错误：

matrices expected, got 4D, 2D tensors

我完全理解这个问题，因为输入数据有一个形状（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

然而，我期待PyTorch做＆＃34;重塑＆＃34;数据形式：

• [N，D1，... Dn] - ＆gt; [N，D]其中D = D1 * D2 * .... Dn

我尝试重塑Variable.data，但我已经读过这种方法不推荐，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。

我很确定有一个简单的解决方案与框架一致，但我还没有找到它。

这有一个很好的解决方案吗？

PD：完全连接层的输入大小为C * H * W

Answer 1

在阅读了一些Examples之后，我找到了解决方案。 非常简单：首先，我觉得我觉得很愚蠢。

如果你没有他妈的向前/向后传球

，你就是这样做的

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

Answer 2

更通用的解决方案（无论x有多少个尺寸都可以使用）是采用除第一个尺寸（“批量”）以外的所有尺寸尺寸的乘积：

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)