Machine learning 在torch中使用CAddTable和ConcatTable时出错

我尝试使用torch在我的网络中构建一些剩余块，但为什么torch在使用CAddTable和ConcatTable时只给我错误信息呢。谁能给点建议吗？提前谢谢。我使用的代码如下：

a=image.load('test.png')
input=torch.Tensor(1,3,60,60)
input[1]=a
input=input:cuda()
local conv_block_1 = nn.Sequential()
conv_block_1:add(cudnn.SpatialConvolution(3, 16, 5, 5, 1, 1, 2, 2))--  ,(60+2*2-5)/1+1=60
conv_block_1:add(cudnn.SpatialBatchNormalization(16))
conv_block_1:add(cudnn.ReLU(true))

local conv_block_2 = nn.Sequential()
conv_block_2:add(cudnn.SpatialConvolution(16, 32, 5, 5, 1, 1, 2, 2)) -- (60+2*2-5)/1+1=60
conv_block_2:add(cudnn.SpatialBatchNormalization(32))
conv_block_2:add(cudnn.ReLU(true))

local conv_block_3 = nn.Sequential()
conv_block_3:add(cudnn.SpatialConvolution(32, 16, 5, 5, 1, 1, 2, 2))  -- (60+2*2-5)/1+1=60
conv_block_3:add(cudnn.SpatialBatchNormalization(16))
conv_block_3:add(cudnn.ReLU(true))

local concat_block_1 = nn.ConcatTable()
concat_block_1:add(conv_block_1)  ----
concat_block_1:add(conv_block_3 )

local add_block_1 = nn.Sequential()
add_block_1:add(concat_block_1)
add_block_1:add(nn.CAddTable(true))
add_block_1:add(cudnn.ReLU(true))

local model=nn.Sequential()
model:add(conv_block_1)

model:add(conv_block_2)
model:add(conv_block_3)
model:add(add_block_1)
model:cuda()
model:forward(input)

错误如下所示： …torch/install/share/lua/5.1/cudnn/SpatialConvolution。lua:102:输入必须包含：3个功能映射，但收到的输入大小为：1 x 16 x 60 x 60

---

堆栈回溯：

我认为错误在网络架构中。输入（3个功能映射[FM]）->conv_block1（16 FM）->conv_block2（32 FM）->conv_block3（16 FM）->conv_block1（3 FM）当conv_block3的输出为16 FM时。但我想要的只是CAdd conv_block1和conv_block3的输出，它们都是16 FM，错误在哪里？执行

打印（model.modules）

您可以查看网络的连接方式。前三个

nn.顺序
块分别是
conv_块1
、
conv_块2
和
conv_块3
。
conv_block_3
的输出直接连接到concat表，该表内部有
conv_block_3
和
conv_block_1
。因此，
conv_block_3
（16个特征映射[FM]）的输出直接进入concat表，该表接受输入值
conv_block_1
（3fm）和
conv_block_3
（32fm）。在从第一个
conv_block_3
到concat表的连接中，您会得到错误。那么如何解决这个问题？如何CAdd两个16功能映射？我认为错误在网络架构中。输入（3个功能映射[FM]）->conv_block1（16 FM）->conv_block2（32 FM）->conv_block3（16 FM）->conv_block1（3 FM）当conv_block3的输出为16 FM时。但我想要的只是CAdd conv_block1和conv_block3的输出，它们都是16 FM，错误在哪里？执行
打印（model.modules）
您可以查看网络的连接方式。前三个
nn.顺序
块分别是
conv_块1
、
conv_块2
和
conv_块3
。
conv_block_3
的输出直接连接到concat表，该表内部有
conv_block_3
和
conv_block_1
。因此，
conv_block_3
（16个特征映射[FM]）的输出直接进入concat表，该表接受输入值
conv_block_1
（3fm）和
conv_block_3
（32fm）。在从第一个
conv_block_3
到concat表的连接中，您会得到错误。那么如何解决这个问题？如何CAdd两个16要素图？