修改输入数据以使其适合我的模型
修改输入数据以使其适合我的模型
提问于 2021-04-25 17:27:15
这是我想做的。我有一个单独的形状数据( 20 , 20 ,20)，其中20个形状张量(1,20,20)将被用作20个单独CNN的输入。这是我到目前为止的密码。
class MyModel(torch.nn.Module):
def __init__(self, ...):
...
self.features = nn.ModuleList([nn.Sequential(
nn.Conv2d(1,10, kernel_size = 3, padding = 1),
nn.ReLU(),
nn.Conv2d(10, 14, kernel_size=3, padding=1),
nn.ReLU(),
nn.Conv2d(14, 18, kernel_size=3, padding=1),
nn.ReLU(),
nn.Flatten(),
nn.Linear(28*28*18, 256)
) for _ in range(20)])
self.fc_module = nn.Sequential(
nn.Linear(256*n_selected, cnn_output_dim),
nn.Softmax(dim=n_classes)
)
def forward(self, input_list):
concat_fusion = cat([cnn(x) for x,cnn in zip(input_list,self.features)], dim = 0)
output = self.fc_module(concat_fusion)
return output前向函数中input_list的形状是torch.Size(100、20、20、20)，其中100是批大小。然而，有一个问题是
concat_fusion = cat([cnn(x) for x,cnn in zip(input_list,self.features)], dim = 0)导致了这个错误。
RuntimeError: 4维权重为10、1、3、3的预期四维输入，但却得到了尺寸为20、20、20的三维输入。
- 首先，我想知道为什么它希望我给4维的权重10,1,3,3。我见过"RuntimeError: Expected 4-dimensional input for 4-dimensional weight 32 3 3, but got 3-dimensional input of size [3, 224, 224] instead"?，但我不知道这些具体数字是从哪里来的。
- I有一个input_list，它是一批100个数据。我不知道如何处理单个的形状数据( 20 , 20 ,20)，这样我才能将其分割成20块，作为20 CNN的独立输入。
。
回答 1
Stack Overflow用户
回答已采纳
发布于 2021-04-26 03:49:22
为什么它希望我给四维权重10,1,3,3。
注意，下面的日志表示内核(10，1，3，3)需要4维输入的nn.Conv2d。
RuntimeError: Expected 4-dimensional input for 4-dimensional weight [10, 1, 3, 3]如何沿通道将输入分成20块。
input_list(100, 20, 20, 20)上的迭代产生100个形状张量(20，20，20)。
如果您想按照通道分割输入，请尝试沿着第二维度对input_list进行切片。
concat_fusion = torch.cat([cnn(input_list[:, i:i+1]) for i, cnn in enumerate(self.features)], dim = 1)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/67256305
复制相关文章
相似问题
腾讯云开发者
