如何计算CNN中分类器中的参数

Question

我已经为 mnist 实现了 CNN 模型。我能够理解如何计算 CNN 不同层的参数和形状，但出于好奇，我只是想了解如何确定分类器部分中的 in_features 和 out_features，特别是 nn.Linear()。我也很难理解如何在 nn.Conv2d 中选择 in_channels,out_channels 。如果我能澄清这些问题，我将不胜感激。

class CNNclf(nn.Module):
def __init__(self):
    super().__init__()
    self.net = nn.Sequential(
        nn.Conv2d(in_channels=1, out_channels=64, kernel_size=3),
        nn.ReLU(),
        nn.MaxPool2d((2, 2), stride=2),
        nn.Conv2d(in_channels=64, out_channels=128, kernel_size=3),
        nn.ReLU(),
        nn.MaxPool2d((2, 2), stride=3),
        nn.Conv2d(in_channels=128, out_channels=64, kernel_size=3),
        nn.ReLU(),
        nn.MaxPool2d((2, 2), stride=2))
    self.clf = nn.Sequential(
        nn.Flatten(),
        nn.Linear(64, 20, bias=True),
        nn.ReLU(),
        nn.Linear(20, 10, bias=True))

def forward(self, x):
    x = self.net(x)
    x = self.clf(x)
    return x

Answer 1

这是一个关于 CNN 的典型问题，有很多类似的帖子，用户都遇到了源于此的相同类型的错误。

运行时错误：mat1 和 mat2 形状无法相乘（

a

x

b

和

c

x

d

）

我将在这里提供规范的答案。

使用

nn.Conv2d

时，中间张量将是四维的：

(batch size, channel, height, width)

。卷积在空间上工作，它们在高度和宽度维度上跨张量移动（对于 2D 卷积）。输出通道的数量由卷积层中相互独立运行的滤波器的数量决定。您可以阅读有关卷积层和大小的更多信息：了解卷积层形状。

对于 CNN 架构，从卷积部分（特征提取器）转移到全连接层（分类器）时，您必须适应维度的变化。一般情况下，张量形状从 4D 变为 2D。这需要某种形式的空间减少：要么

• 通过压平，形成

  (b, c*h*w)

  的形状。这可以使用

  nn.Flatten

  ;
来完成
• 或使用池化操作，例如最大

  nn.MaxPool2d

  或平均池化

  nn.AdaptiveAvgPool2d

  ，导致

  (b, c, h', w')

  的形状缩小。如果

  h'

  和

  w'

  不是单例，仍然需要展平操作。

最终最后一个卷积层的输出形状取决于两件事：输入形状以及其前面的卷积的数量和大小。 上述错误是指 CNN 的输出与线性层期望的形状之间的形状不匹配。

a

是批量大小，

b

是实际展平特征长度，

c

是第一个线性层的

in_features

，

d

是其

out_features

。因此，如果您收到此错误，您已经知道要使用哪个

in_features

！

为了预测此错误并避免在调试架构时抛出它，确定

in_features

的另一种方法是截断模型（删除所有线性层）并使用虚拟数据执行推理。观察该推理的输出形状将告诉您要采用的

in_features

。

>>> CNNclf().net(torch.rand(3,1,100,100)).shape # adapt with your input shape
torch.Size([3, 64, 7, 7])

因此空间维度为

7x7

，通道数为

64

，因此特征维度为

64*7*7 = 3136

。在这种情况下，第一个线性层必须初始化为

nn.Linear(3136, 20, bias=True)

。

从 1.8 版本开始，存在一个类

nn.LazyLinear

，它会在运行时（在模型的第一次推理期间）自动推断

in_features

。在这种情况下，不需要自己执行虚拟推理，只需使用

nn.LazyLinear(20, bias=True)