Question

我正在尝试仅实现一个卷积LSTM单元，并在其中传递一个张量（1,3,128,128）。我收到大小不匹配错误。


    class ConvLSTMCell(nn.Module):
        def __init__(self, input_size, input_dim, hidden_dim, kernel_size, bias):
            """
            Parameters
            ----------
            input_size: (int, int)
                Height and width of input tensor as (height, width).
            input_dim: int
                Number of channels of input tensor.
            hidden_dim: int
                Number of channels of hidden state.
            kernel_size: (int, int)
                Size of the convolutional kernel.
            bias: bool
                Whether or not to add the bias.
            """
            super(ConvLSTMCell, self).__init__()

            self.height, self.width = input_size
            self.input_dim  = input_dim
            self.hidden_dim = hidden_dim

            self.kernel_size = kernel_size
            # self.padding     = kernel_size[0] // 2, kernel_size[1] // 2
            self.bias        = bias

            self.conv = nn.Conv2d(in_channels=self.input_dim + self.hidden_dim,
                              out_channels=4 * self.hidden_dim,
                              kernel_size=self.kernel_size,
                              #padding=self.padding,
                              bias=self.bias)

        def forward(self, input, prev_state):
            h_prev, c_prev = prev_state
            print('x: {}\nh_prev: {}\nc_prev: {}'.format(x.size(), h_prev.size(), c_prev.size()))
            combined = torch.cat((input, h_prev), dim=1) # concatenate along channel axis
            print('combined: {}'.format(combined.size()))

            combined_conv = self.conv(combined)
            print('combined_conv: {}'.format(combined_conv.size()))
            cc_i, cc_f, cc_o, cc_g = torch.split(combined_conv, self.hidden_dim, dim=1)
            print('cc_i: {}\ncc_f: {}\ncc_o: {}\ncc_g: {}'.format(cc_i.size(), cc_f.size(),   cc_o.size(), cc_g.size()))

            i = torch.sigmoid(cc_i)
            f = torch.sigmoid(cc_f)
            o = torch.sigmoid(cc_o)
            g = torch.tanh(cc_g)
            print('i: {}\nf: {}\no: {}\ng: {}'.format(i.size(), f.size(), o.size(), g.size()))

            c_cur = f * c_prev + i * g
            h_cur = o * F.tanh(c_cur)
            print('c_cur: {}\nh_cur: {}'.format(c_cur.size(), h_cur.size()))

            return h_cur, c_cur

        def init_hidden(self, batch_size):
            return (Variable(torch.zeros(batch_size, self.hidden_dim, self.height, self.width)),
                    Variable(torch.zeros(batch_size, self.hidden_dim, self.height, self.width)))



    x = torch.randn(1,3,128,128)
    model = ConvLSTMCell(input_size=(128,128), input_dim=3, hidden_dim=3, kernel_size=(5,5),
                         bias=True)
    hc = model.init_hidden(batch_size=1)
    if gpu:
        x.cuda()
        model.cuda()
        hc.cuda()

    out = model(x, hc)
    print(out.size())

我收到以下错误：

x：torch.Size（[1、3、128、128]）

h_prev：torch.Size（[1、3、128、128]）

c_prev：torch.Size（[1、3、128、128]）

组合：torch.Size（[1、6、128、128]）

combined_conv：torch.Size（[1，12，124，124]）

cc_i：torch.Size（[1、3、124、124]）

cc_f：torch.Size（[1，3，124，124]）

cc_o：torch.Size（[1、3、124、124]）

cc_g：torch.Size（[1，3，124，124]）

i：torch.Size（[1、3、124、124]）

f：torch.Size（[1、3、124、124]）

o：torch.Size（[1、3、124、124]）

g：torch.Size（[1、3、124、124]）

回溯（最近通话最近一次）：


中的文件“ trial.py”，第87行
out = model（x，hc）

文件“ /Users/abcde/opt/anaconda3/envs/matrix/lib/python3.7/site-packages/torch/nn/modules/module.py”，第541行，位于调用

result = self.forward（* input，** kwargs）

文件“ trial.py”，第66行，向前向前

c_cur = f * c_prev + i * g

RuntimeError：在第3维上，张量a（124）的大小必须与张量b（128）的大小匹配

我希望以此构建一个由17个单元组成的网络，我想使用每个单元的输出来根据地面真实情况计算损耗。基本事实是18（3,128,128）张图像。

如何使我的网络输出相同大小的隐藏状态？

Answer 1

由于边界效应，您的输出较小-卷积运算仅在内核完全适合输入形状的坐标处计算值。最简单的解决方案是将填充应用于卷积层（您似乎已经尝试过了，这有什么问题吗？）。如果您的内核大小为5，则应填充2，然后卷积输出将具有与输入相同的形状。

convLSTM大小不匹配

1 个答案: