实施问题：用于模式识别的Deep ConvNet

Question

我正在尝试使用完全卷积的网络来实现模式识别模型（https://www.sciencedirect.com/science/article/pii/S0031320318304370中的图1，我能够在不登录或没有任何内容的情况下获得全文，但是如果有问题，我也可以附上图片！ ），但从最终的Conv2D图层移至第一个fc_layer时出现尺寸错误。

这是我的错误消息：

RuntimeError: size mismatch, m1: [4 x 1024], m2: [4 x 1024] at /pytorch/aten/src/THC/generic/THCTensorMathBlas.cu:283

最初，如图所示，我的第一个线性层是：

nn.Linear(4*4*512, 1024)

但是在得到大小不匹配后，我将其更改为：

nn.Linear(4,1024)

现在，我收到了上面写的奇怪的错误消息。

供参考（如果有帮助），这是我的代码：

import torch.nn as nn
import torch.utils.model_zoo as model_zoo

class convnet(nn.Module):

    def __init__(self, num_classes=1000):
        super(convnet, self).__init__()
        self.features = nn.Sequential(
            nn.Conv2d(1, 64, kernel_size=3, stride=2, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(64, 64, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(64, 64, kernel_size=3, padding=1),
            nn.MaxPool2d(kernel_size=1),
            nn.Conv2d(64, 128, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(128, 128, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2),# stride=2),
            nn.Conv2d(128, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(256, 256, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2), #stride=2),
            nn.Conv2d(256, 512, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(512, 512, kernel_size=3, padding=1),
            nn.ReLU(inplace=True), #nn.Dropout(p=0.5)
        )

        self.classifier = nn.Sequential(
            nn.Linear(4, 1024),
            nn.Dropout(p=0.5),
            nn.ReLU(inplace=True),
            #nn.Dropout(p=0.5),
            nn.Linear(1024, 1024),
            nn.ReLU(inplace=True),
            nn.Linear(1024, num_classes),
        )

    def forward(self, x):
        x = self.features(x)
        x = torch.flatten(x,1)
        x = self.classifier(x)
        return x

我怀疑这是填充和步幅问题。谢谢！

Answer 1

误差来自矩阵乘法，其中m1应该是m x n矩阵，m2是n x p矩阵，结果将是m x p矩阵。在您的情况下，它是4 x 1024和4 x 1024，但是自1024 != 4以来不起作用。

这意味着您对第一线性层的输入大小为[[[4，1024]] >>（4为批处理大小），因此第一线性层的输入要素应为1024。

self.classifier = nn.Sequential(
    nn.Linear(1024, 1024),
    nn.Dropout(p=0.5),
    nn.ReLU(inplace=True),
    #nn.Dropout(p=0.5),
    nn.Linear(1024, 1024),
    nn.ReLU(inplace=True),
    nn.Linear(1024, num_classes),
)

如果不确定输入具有多少要素，则可以在图层之前打印出其尺寸：
x = self.features(x)
x = torch.flatten(x,1)
print(x.size()) # => torch.Size([4, 1024])
x = self.classifier(x)