对 Resnet 的输出 logits 形状的困惑 [关闭]答案

【问题标题】：Confusion about the shape of the output logits from Resnet [closed]对 Resnet 的输出 logits 形状的困惑 [关闭]
【发布时间】：2021-06-22 14:52:39
【问题描述】：

我试图理解为什么我正在使用的 Resnet18 模型的输出 logits 的形状是 (27, 19)。我理解 19 的形状，即我设置模型要预测的类数，但 27 的形状是我感到困惑的部分。我的批次大小为 64，所以我认为 logits 的形状是 (64, 19)，因为这将为批次中的每个图像提供 1 个预测向量...

【问题讨论】：

应该是。您是否有可能以某种方式转置了数据，因此批量大小被视为图像尺寸并进行卷积处理？
啊，你知道吗，这是因为我正在查看我时代最后一批的 logits，我想没有足够的图像来填满整个 64 批大小，所以它只还有 27 张图片需要训练。
@SteveAhlswede 如果是，请发表自我回答，谢谢

标签： deep-learning pytorch conv-neural-network resnet

【解决方案1】：

原来我正在查看我的 epoch 中最后一批的 logits，并且没有足够的图像来填满整个 64 批大小，所以它只剩下 27 个图像可以训练。

【讨论】：

您也可以接受这个作为您问题的答案，这样问题就不会一直无人回答。
它告诉我需要等待 2 天才能接受我自己写的答案

【解决方案2】：

你明白了。

Torch 数据加载器这样做是因为方法 drop_last 默认为 False。如果设置为True，只会输出logits shape(64, 19)

https://pytorch.org/docs/stable/data.html

【讨论】：

在任何情况下将其设置为 True 会符合我的兴趣吗？
视情况而定。也许您的数据没有很好地平衡，并且您正在使用替换进行采样，或者您有一些奇怪的图像最终偶然出现，现在您仅根据其中 27 张图像更新了权重，这些图像可能不是最具代表性的是，当您希望将这 27 张图像与其他 37 张更好的图像混合在一起以获得更普遍的权重时。