RuntimeError: 尺寸不匹配 m1: [a x b], m2: [c x d]答案

【问题标题】：RuntimeError: size mismatch m1: [a x b], m2: [c x d]RuntimeError: 尺寸不匹配 m1: [a x b], m2: [c x d]
【发布时间】：2019-05-18 14:30:50
【问题描述】：

任何人都可以帮助我吗？我得到以下错误。我使用谷歌 Colab。如何解决这个错误？

大小不匹配，m1：[64 x 100]，m2：[784 x 128] 在 /pytorch/aten/src/TH/generic/THTensorMath.cpp:2070

下面的代码我正在尝试运行。

    import torch
    from torch import nn
    import torch.nn.functional as F
    from torchvision import datasets, transforms

    # Define a transform to normalize the data
    transform = 
    transforms.Compose([transforms.CenterCrop(10),transforms.ToTensor(),])
    # Download the load the training data
    trainset = datasets.MNIST('~/.pytorch/MNIST_data/', download=True, 
    train=True, transform=transform)
    trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, 
    shuffle=True)

    # Build a feed-forward network
    model = nn.Sequential(nn.Linear(784, 128),nn.ReLU(),nn.Linear(128, 
    64),nn.ReLU(),nn.Linear(64, 10))

    # Define the loss
    criterion = nn.CrossEntropyLoss()

   # Get our data
   images, labels = next(iter(trainloader))
   # Faltten images
   images = images.view(images.shape[0], -1)

   # Forward pass, get our logits
   logits = model(images)
   # Calculate the loss with the logits and the labels
   loss = criterion(logits, labels)
   print(loss)

【问题讨论】：

标签： python-3.x machine-learning image-processing computer-vision pytorch

【解决方案1】：

您只需要关心b=c，您就完成了：

m1: [a x b], m2: [c x d]

m1 是 [a x b] 是 [batch size x in features]

m2 是 [c x d] 是 [in features x out features]

【讨论】：

我该如何解决这个错误 RuntimeError: size mismatch, m1: [4 x 2048], m2: [1568 x 10]？

【解决方案2】：

您的尺寸不匹配！
您的第一层 model 需要 784 维输入（我假设您通过 28x28=784 获得此值，即 mnist 数字的大小）。
但是，您的 trainset 应用 transforms.CenterCrop(10) - 也就是说，它从图像中心裁剪了一个 10x10 的区域，因此您的输入尺寸实际上是 100。

总结：
- 你的第一层：nn.Linear(784, 128) 需要一个 784 维的输入，输出一个 128 维的隐藏特征向量（每个输入）。因此，该层的权重矩阵为[784 x 128]（错误消息中的“m2”）。
- 您的输入被中心裁剪为 10x10 像素（总共 100-dim），并且您在每批中都有 batch_size=64 这样的图像，总共有 [64 x 100] 输入大小（错误消息中的“m1”）。
- 您无法计算大小不匹配的矩阵之间的点积：100 != 784，因此 pytorch 会给您一个错误。

【讨论】：