如何控制chainer中的输入特征大小/尺寸？答案

【问题标题】：How to control input feature size/dimension in chainer?如何控制chainer中的输入特征大小/尺寸？
【发布时间】：2019-08-22 11:39:16
【问题描述】：

例如，FC 层（L.Linear）需要 input_size 和 output_size ，但这只是为 FC 中的权重矩阵设置的。但是输入图像大小可以是任意的，如何控制限制输入图像大小或输入其他特征大小？

【问题讨论】：

标签： chainer

【解决方案1】：

我制作了一个新的池化函数来考虑 Chainer 中的特定输出形状：

# pooling_func : F.max_pooling_2d or F.average_pooling_2d
def output_shape_pooling(self, x,output_size , pooling_func):
       input_size  = x.shape[-1]
       stride = input_size // output_size
       k_size = input_size - (output_size -1 ) * stride
       x      = pooling_func(x , stride=stride,ksize=k_size)
       return x

【讨论】：

【解决方案2】：

线性链接可以定义为两种方式

明确指定 input_size
```
l1 = L.Linear(input_size, output_size)
```

推断输入大小

l1 = L.Linear(None, output_size)
# Following code works same way, from chainer v2
# l1 = L.Linear(output_size)

当使用第二种方法时，输入大小在第一次前向计算时自动确定（并创建权重矩阵），并且此输入大小在前向计算后固定。

在你的情况下，你在卷积层之后使用FC层吗（这是CNN中图像分类网络的常见结构）？在这种情况下，我猜图像大小应该始终与第一次前向计算相同（除非图像大小被全局池等忽略）。我是否正确理解了您的问题？

【讨论】：

我的问题比这个更复杂，我的意思是，当我自定义自己定义Link时，如何限制输入特征大小，或者不需要这样做？只设置我的权重矩阵就足够了，就像 L.Linear？如何限制用户输入特征（例如单词维度、图像维度？）
为什么要限制它？
因为我的权重形状取决于输入特征，就像 L.Linear
那你能参考一下线性链接实现代码github.com/chainer/chainer/blob/v3.0.0rc1/chainer/links/…，以满足你的规范吗？