PyTorch 的灵活性

PyTorch 模型是非常灵活的对象，以至于它们不强制执行或通常不期望数据的固定输入形状。

如果您有某些层，则可能存在限制，例如：

• 扁平化后跟宽度为 N 的完全连接层将强制原始输入的尺寸 (M1 x M2 x ... Mn) 具有等于 N 的乘积
• N 个输入通道的 2d 卷积将强制数据为 3 维，第一个维度的大小为 N

但是正如您所看到的，这些都没有强制执行数据的整体形状。

我们现在可能没有意识到，但在更复杂的模型中，正确设置第一个线性层的大小有时会令人沮丧。我们听说过一些著名的从业者输入任意数字，然后依靠 PyTorch 的错误消息来回溯其线性层的正确大小的故事。跛脚，嗯？不，这都是合法的！

• 使用 PyTorch 进行深度学习

调查

简单案例：第一层是全连接的

如果模型的第一层是全连接层，则第一层print(model)将详细说明单个样本的预期维度。

模棱两可的案例：CNN

然而，如果它是一个卷积层，因为它们是动态的，并且会在输入允许的范围内尽可能长/宽，所以没有简单的方法可以从模型本身检索这些信息。¹这种灵活性意味着对于许多架构，多种兼容的输入大小²都可以被网络接受。

这是 PyTorch 的动态计算图的一个特性。

人工检查

你需要做的是调查网络架构，一旦你找到了一个可解释的层（如果存在，例如完全连接），就用它的维度“向后工作”，确定之前的层（例如池化和卷积）如何具有压缩/修改它。

例子

例如，在使用 PyTorch 进行深度学习(8.5.1)的以下模型中：

class NetWidth(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(3, 32, kernel_size=3, padding=1)
        self.conv2 = nn.Conv2d(32, 16, kernel_size=3, padding=1)
        self.fc1 = nn.Linear(16 * 8 * 8, 32)
        self.fc2 = nn.Linear(32, 2)
    
    def forward(self, x):
        out = F.max_pool2d(torch.tanh(self.conv1(x)), 2)
        out = F.max_pool2d(torch.tanh(self.conv2(out)), 2)
        out = out.view(-1, 16 * 8 * 8)
        out = torch.tanh(self.fc1(out))
        out = self.fc2(out)
        return out

我们看到模型接受输入 2.d。带有3通道的图像和：

• Conv2d -> 将其发送到具有 32 个通道的相同大小的图像
• max_pool2d(,2) -> 将每个维度的图像大小减半
• Conv2d -> 将其发送到具有 16 个通道的相同大小的图像
• max_pool2d(,2) -> 将每个维度的图像大小减半
• view -> 重塑形象
• Linear-> 获取一个大小的张量16 * 8 * 8并发送到大小32
• ...

因此，向后工作，我们有：

• 形状张量 16 * 8 * 8
• 未重塑形状（通道 x 高度 x 宽度）
• un-max_pooled 在 2d 中，因子为 2，所以高度和宽度减半
• 从 16 个通道未卷积到 32 个
  假设：产品中可能有 16 个因此指的是通道数，并且看到的图像view形状为 (channels, 8,8)，当前为 (channels, 16, 16) ²
• un-max_pooled 在 2d 中，因子为 2，因此高度和宽度再次减半（通道，32,32）
• 从 32 个通道未卷积到 3 个

因此，假设 kernel_size 和 padding 足以使卷积本身保持图像尺寸，则输入图像的形状很可能是 (3,32,32)，即 RGB 32x32 像素方形图像。

笔记：

1. 甚至外部包也pytorch-summary要求您提供输入形状以显示每一层的输出形状。

2. 然而，它可以是产生等于 8*8 的任何 2 个数字，例如 (64,1)、(32,2)、(16,4) 等，但是由于代码被编写为 8*8，因此作者很可能使用了实际的方面。