mat1 和 mat2 形状不能相乘

Question

我是 AI 的新手，python，我正在尝试构建一个架构来训练一组图像。然后以过度拟合为目标。但到目前为止，我无法理解如何正确获取输入和输出。每当我尝试训练网络时，我总是看到错误：

mat1 and mat2 shapes cannot be multiplied (48x13456 and 16x64)

我的网络：

net2 = nn.Sequential(

nn.Conv2d(3,8, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),


nn.Conv2d(8,16, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),

nn.Flatten(),
nn.Linear(16,64),
nn.ReLU(),
nn.Linear(64,10)
)

这是我正在处理的任务的一部分，我真的不明白为什么它不是运行。任何提示！

Answer 1

这是因为您已将 2D cnn 展平为 1D FC 层...
＆你必须在展平层之前手动计算从 128 大小到 Maxpool 层的更改输入形状......在你的情况下它 29*29*16 所以你的代码必须重写为

net2 = nn.Sequential(

nn.Conv2d(3,8, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),


nn.Conv2d(8,16, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),

nn.Flatten(),

nn.Linear(13456,64),
nn.ReLU(),
nn.Linear(64,10)
)

这应该有效

编辑：这是计算输出大小的简单公式：

  (((W - K + 2P)/S) + 1)
    Here W = Input size
    K = Filter size
    S = Stride
    P = Padding

所以第一个转换块将使您的输出大小为 124
然后你做 Maxpool 这将使它减半，即 62
第二个转换块将使您的输出大小为 58
那么你的最后一个 Maxpool 将成为 29...
所以最终的扁平化输出将是 29*29*16 其中 16 是输出通道

mat1 和 mat2 形状不能相乘

mat1 and mat2 shapes cannot be multiplied

python

pytorch

artificial-intelligence

conv-neural-network