我们如何将线性层的输出提供给 PyTorch 中的 Conv2D？

Question

我正在构建一个自动编码器，我需要在其中将图像编码为长度为 100 的潜在表示。我正在为我的模型使用以下架构。

        self.conv1 = nn.Conv2d(in_channels = 3, out_channels = 32, kernel_size=3)
        self.conv2 = nn.Conv2d(in_channels=32,out_channels=64,kernel_size=3,stride=2)
        self.conv3 = nn.Conv2d(in_channels=64,out_channels=128,kernel_size=3,stride=2)

        self.linear = nn.Linear(in_features=128*30*30,out_features=100)

        self.conv1_transpose = nn.ConvTranspose2d(in_channels=128,out_channels=64,kernel_size=3,stride=2,output_padding=1)
        self.conv2_transpose = nn.ConvTranspose2d(in_channels=64,out_channels=32,kernel_size=3,stride=2,output_padding=1)
        self.conv3_transpose = nn.ConvTranspose2d(in_channels=32,out_channels=3,kernel_size=3,stride=1)

有什么方法可以将 Linear 图层的输出提供给 Conv2D 或 ConvTranspose2D 图层，以便重建我的图像？如果删除 Linear 层，输出将恢复。我想知道如何在保持 Linear 层

的情况下重建我的图像

如有任何帮助，我们将不胜感激。谢谢！

Answer 1

你可以使用另一个线性层：

self.linear2 = nn.Linear(in_features=100, out_features=128*30*30)

然后将输出重塑为 3D 体积并将其传递到反卷积层。

我们如何将线性层的输出提供给 PyTorch 中的 Conv2D？

How can we provide the output of a Linear layer to a Conv2D in PyTorch?

python

pytorch

torch

autoencoder

torchvision