Machine learning 使用预训练网络（Pytork）的分类器需要什么输入形状？

我对deeplearning、python和pytorch还比较陌生，所以请容忍我

我试图用两种不同的预训练网络：Vgg11和Densenet121来理解Pytorch中的迁移学习。 我已经通过上述网络的“特征”部分运行了形状数据（3 x 224 x 224），输出形状如下：

Vgg11特性输出形状：512 x 7 x 7

Densenet121具有输出形状：1024 x 7 x7

现在，我正在尝试制作自己的分类器来代替预先训练好的分类器。检查两个预训练分类器后，我发现Vgg11分类器在第一层中有：

（0）：线性（输入特征=25088，输出特征=4096，偏差=True）

而Densenet121在第一层中具有：

（分类器）：线性（输入特征=1024，输出特征=1000，偏差=True））

Vgg是有意义的，因为如果将“特性”部分的输出展平，则得到512 x 7 x 7=25088

丹森一号怎么只有1024维？如果将其“特征”部分的输出展平，则得到1024 x 7 x 7=50176

是否有我遗漏的步骤？有没有办法检查每一层的输入和输出形状，并找出到底发生了什么

---

谢谢。

如中表1所述，DenseNet-121使用了一种称为的方法，这是一种极端的合并方式，其中维度

d x h x w

的张量减少为

d x 1 x 1

维卡斯，谢谢你！这似乎是拼图中缺失的一部分！：）你是否介意进一步解释为什么它被认为是极端的？很乐意帮忙！它被认为是一种极端的池化方式，因为与标准或平均池化方式不同，这种方法将整个激活映射压缩为一个值。因此，根据公式，如果有12个叠加的激活图，每个图的大小为24x24，每个这样的图都被压缩成一个值。然后输出变成12 x 1 x 1，这是从12 x 24 x 24的巨大跳跃。