PyTorch 线性层输入维度不匹配

Question

我在将输入数据传递到 PyTorch 中的线性（全连接层）时遇到此错误：

matrices expected, got 4D, 2D tensors

我完全理解这个问题，因为输入数据的形状是 (N,C,H,W)（来自卷积+MaxPool 层），其中：

尽管如此，我还是希望 PyTorch 能够完成数据形式的 "reshaping"：

我尝试重塑 Variable.data，但我读到不推荐使用这种方法，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。

我很确定框架附带了一个简单的解决方案，但我还没有找到它。

有什么好的解决办法吗？

PD：全连接层的输入大小为 C * H * W

Answer 1

阅读一些 Examples 后我找到了解决方案。这是在不弄乱 forward/backward 传递流程的情况下如何做到这一点：

(_, 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 有多少维度都有效）是取所有维度大小的乘积，但第一个维度（"batch size"）：

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另一个维度是很常见的：

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

PyTorch Linear layer input dimension mismatch