PyTorch 线性层输入维度不匹配答案

【问题标题】：PyTorch Linear layer input dimension mismatchPyTorch 线性层输入维度不匹配
【发布时间】：2017-11-05 12:36:28
【问题描述】：

将输入数据传递到 PyTorch 中的线性（全连接层）时出现此错误：

matrices expected, got 4D, 2D tensors

我完全理解这个问题，因为输入数据具有形状 (N,C,H,W)（来自 Convolutional+MaxPool 层），其中：

尽管如此，我期待 PyTorch 对数据表单进行“重塑”：

我尝试重塑 Variable.data，但我了解到不建议使用这种方法，因为渐变会保留以前的形状，而且通常您不应该改变 Variable.data 形状。

我很确定该框架有一个简单的解决方案，但我还没有找到。

有没有好的解决方案？

PD：全连接层的输入大小为 C * H * W

【问题讨论】：

【解决方案1】：

在阅读了一些Examples 之后，我找到了解决方案。以下是您如何在不打乱前向/后向传递流程的情况下做到这一点：

(_, C, H, W) = x.data.size()
x = x.view( -1 , C * H * W)

【讨论】：

【解决方案2】：

一个更通用的解决方案（无论 x 有多少维度都可以）是取除第一个维度之外的所有维度大小的乘积（“批量大小”）：

n_features = np.prod(x.size()[1:])
x = x.view(-1, n_features)

【讨论】：

【解决方案3】：

保存批量大小并在展平中推断其他维度是很常见的：

batch_size = x.shape[0]
...
x = x.view(batch_size, -1)

【讨论】：