两个矩阵相乘时出错（mat1 和 mat2 形状不能相乘）答案

【问题标题】：Getting error with two matrices multiplication (mat1 and mat2 shapes cannot be multiplied)两个矩阵相乘时出错（mat1 和 mat2 形状不能相乘）
【发布时间】：2021-06-24 16:08:25
【问题描述】：

为我的网络运行训练过程后出现以下错误。

RuntimeError: mat1 和 mat2 形状不能相乘（21760x17 和 18496x512）

这是网络架构

self.layer1 = nn.Sequential(
    nn.Conv2d(3, 16, kernel_size=3),
    nn.ReLU(),
    nn.MaxPool2d(2)
)

self.layer2 = nn.Sequential(
    nn.Conv2d(16, 32, kernel_size=3),
    nn.ReLU(),
    nn.MaxPool2d(2)
)

self.layer3 = nn.Sequential(
    nn.Conv2d(32, 64, kernel_size=3),
    nn.ReLU(),
    nn.MaxPool2d(2)
)

self.flatten = nn.Flatten(2)
self.fc1 = nn.Linear(18496, 512)
self.fc2 = nn.Linear(512,1)
self.sigmoid = nn.Sigmoid()


def forward(self, x):
  x = self.layer1(x)
  x = self.layer2(x)
  x = self.layer3(x)
  x = self.fc1(x)
  x = self.fc2(x)
  return x

输入尺寸的图像为 150x150x3。是什么导致了这个问题？

编辑：

架构基于在 Keras 中创建的模型。我需要从 Keras 转换为 Pytorch。

基于此，我创建了如上所示的网络。

【问题讨论】：

您好，请阅读stackoverflow.com/help/minimal-reproducible-example。您需要提供您在 NN 中输入的张量，因为您输入的形状很可能与您的模型的定义不兼容 :)
写出您的逻辑可能会有所帮助，即为什么您希望扁平输出的形状为 18496？
@DerekG，我添加了一些额外的解释。
好的，所以在每一层之后打印形状，看看哪些操作导致输出的大小与您预期的不同

标签： python pytorch

【解决方案1】：

我已经通过更改转发方法解决了这个问题：

def forward(self,x):        
   out = self.layer1(x)        
   out = self.layer2(out)        
   out = self.layer3(out)        
   out = out.view(out.size(0),-1)        
   out = self.relu(self.fc1(out))        
   out = self.fc2(out)       
   out = torch.sigmoid(out)        
   return out

【讨论】：