PyTorch 反卷积层输入维度与线性层不匹配答案

【问题标题】：PyTorch Deconvolution Layer input dimension mismatch with Linear LayerPyTorch 反卷积层输入维度与线性层不匹配
【发布时间】：2020-06-11 09:00:54
【问题描述】：

我构建了一个自动编码器，其中包含一些卷积层、中间的全连接层和一些反卷积层。我使用 Atari Frames 作为输入（210x160x3 尺寸）。我目前的问题是我只能处理平方图像（所有边的边长相同）。当我使用原始边长时，会发生此错误：

UserWarning: Using a target size (torch.Size([30, 3, 210, 160])) that is different to the input size (torch.Size([30, 3, 158, 158])). This will likely lead to incorrect results due to broadcasting. Please ensure they have the same size.
  return F.mse_loss(input, target, reduction=self.reduction)

我认为问题出在从 linear 到 deconv Layer 的变化，因为张量大小总是变成二次的：

线性：torch.Size([30, 1000]) 反卷积：torch.Size([30, 1000, 1, 1])

但是，我想要一个torch.Size，其形状类似于：反卷积层中的torch.Size([30,1000,11,8])。

我很确定有一个简单的解决方案，但我还没有找到。

forward函数的代码sn-p：

    def forward(self, x):
        x = F.relu(self.conv1(x))
        x = F.relu(self.conv2(x))
        x = F.relu(self.conv3(x))
        x = F.relu(self.conv4(x))

        x = x.view(x.size(0), -1)
        x = torch.sigmoid(self.lv(x))
        x = x.unsqueeze(-1).unsqueeze(-1)

        x = F.relu(self.deconv1(x))
        x = F.relu(self.deconv2(x))
        x = F.relu(self.deconv3(x))
        x = F.relu(self.deconv4(x))
        x = F.relu(self.deconv5(x))
        return x

非常感谢您！

【问题讨论】：

标签： python pytorch dimensions deconvolution

【解决方案1】：

我解决了！这一行：

x = x.view(x.size(0), -1, 11, 8)

代替：

x = x.unsqueeze(-1).unsqueeze(-1)

会做的。

【讨论】：