Pytorch-推断线性层in_features

Question

我正在建立一个玩具模型来拍摄一些图像并给我一个分类。我的模型如下：

conv2d -> pool -> conv2d -> linear -> linear。

我的问题是，在创建模型时，我们必须根据输入图像的大小来计算第一线性层in_features的大小。如果我们得到不同大小的新图像，则必须为线性图层重新计算in_features。为什么我们必须这样做？不能只是推断吗？

Answer 1

从 1.8 开始，PyTorch 现在有 LazyLinear 可以推断输入维度：

<块引用>

推断 in_features 的 torch.nn.Linear 模块。

Answer 2

您为什么期望线性层推断其输入大小？如果您有意 想要更改此大小（即转换层输出通道或其他内容），该怎么办。我相信您的工作应该参数化（即，由定义明确的参数控制）。解决方法是始终将输入图像 转换为定义的形状。但是，我不建议这样做，因为这可能会严重影响模型的准确性，因为转换会丢失像素（即输入的特征）。