Question

以下是我的CNN。它的输入是一个（3,64）矩阵，我想用三个卷积核分别处理x，y，z轴。

class Char_CNN(nn.Module):
    def __init__(self):
        super(Char_CNN, self).__init__()
        self.convdx = nn.Conv1d(1, 12, 20)
        self.convdy = nn.Conv1d(1, 12, 20)
        self.convdz = nn.Conv1d(1, 12, 20)
        self.fc1 = nn.Linear(540, 1024)
        self.fc2 = nn.Linear(1024, 30)
        self.fc3 = nn.Linear(30, 13)

    def forward(self, x):
        after_convd = [self.convdx(x[:, :, 0]), self.convdy(x[:, :, 1]), self.convdz(x[:, :, 2])]
        after_pool = [F.max_pool1d(F.relu(value), 3) for value in after_convd]

        x = torch.cat(after_pool, 1)
        x = x.view(x.size(0), -1)
        x = self.fc1(x)
        x = self.fc2(x)
        x = self.fc3(x)
        x = F.softmax(x)
        return x

但在loss = criterion(out, target)运行期间，会发生RunTime错误：

RuntimeError：断言`cur_target＆gt; = 0＆amp;＆amp; cur_target＆lt; n_classes'失败。

我对pytorch很新，所以我找不到代码的错误。你能救我吗？

Answer 1

卷积的方式还可以。问题是我的标签在1到13之间，正确的范围是0到12。修改后，我的CNN成功运作。但作为Pytorch的新鲜和深度学习，我想我的卷积模式可以更清晰，更容易。欢迎指出我的错误！

如何在Pytorch中的3 * n矩阵的三个轴上使用三个Conv1d？

1 个答案: