python - PyTorch RuntimeError 大小参数 2 无效

Question

我正在尝试神经网络 (PyTorch)，但收到此错误。

RuntimeError: invalid argument 2: size '[32 x 9216]' is invalid for input with 8192 elements at /pytorch/aten/src/TH/THStorage.cpp:84

我的任务是使用 AlexNet 进行图像分类，并且我已将误差回溯为提供给神经网络的图像的大小。我的问题是，考虑到网络架构及其参数，如何确定网络所需的正确图像大小？

根据下面的代码，我首先转换训练图像，然后再输入神经网络。但我注意到神经网络只能接受 224 的大小，否则会给出上面的错误。例如，我的本能是应用大小为 64 的 transforms.RandomResizedCrop 但显然这是错误的。有没有公​​式可以确定所需的尺寸？

代码

# transformation to be done on images
transform_train = transforms.Compose([
    transforms.RandomResizedCrop(64),
    transforms.RandomHorizontalFlip(),
    transforms.ToTensor(),
    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])

class AlexNet(nn.Module):

    def __init__(self, num_classes=1000):
        super(AlexNet, self).__init__()
        self.features = nn.Sequential(
            nn.Conv2d(3, 64, kernel_size=11, stride=4, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(64, 192, kernel_size=5, padding=2),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
            nn.Conv2d(192, 384, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(384, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(256, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=3, stride=2),
        )
        self.classifier = nn.Sequential(
            nn.Dropout(),
            nn.Linear(256 * 6 * 6, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),
            nn.Linear(4096, num_classes),
        )

    def forward(self, x):
        x = self.features(x)
        x = x.view(x.size(0), 256 * 6 * 6)
        x = self.classifier(x)
        return x

Answer 1

我已经找到了获得正确输入大小的算法。

Out = float(((W−F+2P)/S)+1)

哪里

• Out = 输出形状
• W = 图像体积大小(图像大小)
• F = 感受野(滤波器大小)
• P = 填充
• S = 步幅

考虑给定的网络超参数，

我需要的图像大小是

W = (55 - 1) * 4 - 2(2) + 11
  =  223
  ⩰  224