Deep learning 在pytorch中实现DCGAN时出错：内核大小可以'；不能大于实际输入大小

我一直在尝试在PyTorch中培训DCGAN实现。我得到以下错误：

运行时错误：每个通道计算的填充输入大小：（3 x 3）。内核大小：（4 x 4）。内核大小不能大于实际输入大小

我修改了中定义的鉴别器网络

修改后的鉴别器网络如下所示：

self.main = nn.Sequential(
           
            nn.Conv2d(nc, ndf, 4, 2, 1, bias=False),
            nn.LeakyReLU(0.2, inplace=True),
            
            nn.Conv2d(ndf, ndf * 2, 4, 2, 1, bias=False),
            nn.BatchNorm2d(ndf * 2),
            nn.LeakyReLU(0.2, inplace=True),
            
            nn.Conv2d(ndf * 2, ndf * 4, 4, 2, 1, bias=False),
            nn.BatchNorm2d(ndf * 4),
            nn.LeakyReLU(0.2, inplace=True),
            
            nn.Conv2d(ndf * 4, ndf * 8, 4, 2, 1, bias=False),
            nn.BatchNorm2d(ndf * 8),
            nn.LeakyReLU(0.2, inplace=True),
            
            nn.Conv2d(ndf * 8, ndf * 8, 4, 2, 1, bias=False),
            nn.BatchNorm2d(ndf * 8),
            nn.LeakyReLU(0.2, inplace=True),
            
            nn.Conv2d(ndf * 8, ndf * 16, 4, 2, 1, bias=False),
            nn.BatchNorm2d(ndf * 16),
            nn.LeakyReLU(0.2, inplace=True),
            
            nn.Conv2d(ndf * 16, ndf * 16, 4, 2, 1, bias=False),
            nn.BatchNorm2d(ndf * 16),
            nn.LeakyReLU(0.2, inplace=True),
            
            nn.Conv2d(ndf * 16, 1, 4, 1, 0, bias=False),
            nn.Sigmoid()
        )

---

提前谢谢

错误可能不在这里，而是在您将输入传递到序列数据库的方式中。填充图像太小，只有3x3像素，因此您不能使用内核4x4。@谢谢分享。我仍然无法调试它。代码的其余部分与相同。我刚刚尝试修改图层。