Computer vision 将可变大小的输入传递到Pytorch中的线性层_Computer Vision_Conv Neural Network_Pytorch

Computer vision 将可变大小的输入传递到Pytorch中的线性层

computer-vision pytorch

Computer vision 将可变大小的输入传递到Pytorch中的线性层,computer-vision,conv-neural-network,pytorch,Computer Vision,Conv Neural Network,Pytorch,我在Pytorch中有一个Linear（）层，在几个Conv（）层之后。我的数据集中的所有图像都是黑白的。但是，测试集中的大多数图像与训练集中的图像具有不同的维度。除了调整图像本身的大小外，是否有任何方法来定义Linear（）层，使其采用可变的输入维度？例如，类似于视图（-1）的内容，使用具有可变输入大小的Linear（）层是没有意义的。因为实际上它是一个可学习的形状矩阵[n_in，n_out]。如果输入的特征尺寸！=纽因您可以做的是从函数API应用。您需要指定kernel\u size和st

我在Pytorch中有一个

Linear（）

层，在几个

Conv（）层之后。我的数据集中的所有图像都是黑白的。但是，测试集中的大多数图像与训练集中的图像具有不同的维度。除了调整图像本身的大小外，是否有任何方法来定义Linear（）
层，使其采用可变的输入维度？例如，类似于视图（-1）
的内容，使用具有可变输入大小的Linear（）
层是没有意义的。因为实际上它是一个可学习的形状矩阵[n_in，n_out]。如果输入的特征尺寸！=纽因
您可以做的是从函数API应用。您需要指定kernel\u size
和stride
，以便生成的输出将具有特征尺寸size=n\u in.
在传入torch.nn.Linear（）
层之前，您必须预处理图像数组。我认为没有办法按照您的意愿传递任何外部参数。