神经网络问题：mat1和mat2形状不能相乘

Question

我像这样实现了一个简单的神经元网络：

import torch
from torch import nn

class Simple_NN(nn.Module):
  '''
    Multilayer Perceptron.
  '''
  def __init__(self, input_dim):
    super().__init__()
    self.input = input_dim
    #self.out = out_dim
    self.layer = nn.Linear(self.input, 1, bias=False)
      
  def getweights(self):
    return self.layer.weight
  def normalize(self):
    self.layer.weight.data /= self.layer.weight.data.sum()
    return self.layer.weight

  def forward(self, x, dim = 0):
    sort = torch.sort(x, dim, descending = True)[0]
    #top = torch.topk(x, 4, dim)
    sort = self.layer(sort)
    return sort

当我运行这段代码时：

outputs = torch.tensor([[1.9, 0.4, 1.3, 0.8, 0.2, 0.0],[1.7, 1.4, 0.3, 1.8, 1.2, 1.1]])
model = Simple_NN(input_dim = outputs.shape[0])
model.getweights()
model.normalize()

我得到以下结果：

Parameter containing:
tensor([[0.9772, 0.0228]], requires_grad=True)

但是，当我运行这一行时：

model(outputs, dim=0)

我收到这个错误：


<ipython-input-1-dd06de9bb6ad> in forward(self, x, dim)
     20     sort = torch.sort(x, dim, descending = True)[0]
     21     #top = torch.topk(x, 4, dim)
---> 22     sort = self.layer(sort)
     23     return sort

RuntimeError: mat1 and mat2 shapes cannot be multiplied (2x6 and 2x1)

我该如何解决这个问题？

Answer 1

由于您没有提供更多详细信息，这里有 2 种可能的解决方法：

如果batch_size=2，input_dim应该是6，而不是2：

model = Simple_NN(input_dim = outputs.shape[1])  # change [0] to [1]

如果batch_size=6，则outputs需要转置：
```
model(outputs.t(), dim=0)  # add .t()
```

我认为您的情况的正确解决方案是第一个，但它们都有效。这取决于你真正想要什么。

神经网络问题：mat1和mat2形状不能相乘

probleme of neural network :mat1 and mat2 shapes cannot be multiplied

python

runtime-error

neural-network

pytorch