python - mat1 和 mat2 形状不能相乘

Question

我是人工智能和Python的新手，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 和 mat2 形状不能相乘(48x13456 和 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)
)

这是我正在执行的任务的一部分，我真的不明白为什么它没有运行。任何提示!

Answer 1

这是因为你已经将 2D cnn 扁平化为 1D FC 层......
并且您必须在展平层之前手动计算更改后的输入形状从 128 大小到 Maxpool 层...在您的情况下，其 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 

因此第一个转换 block 将使您的输出大小为 124
然后你执行 Maxpool ，这将使它减半，即 62
第二个转换 block 将使您的输出大小为 58
那么你的最后一个 Maxpool 将会是 29...
因此最终的扁平化输出将是 29*29*16 其中 16 是输出 channel