Python 3.x RuntimeError：四维权重X应为四维输入，但得到的是大小为Y的三维输入

我正在建立一个CNN，在EMNIST数据集上进行图像分类

为此，我有以下数据集：

import scipy .io
emnist = scipy.io.loadmat(DIRECTORY + '/emnist-letters.mat')
data = emnist ['dataset']
X_train = data ['train'][0, 0]['images'][0, 0]
X_train = X_train.reshape((-1,28,28), order='F')

y_train = data ['train'][0, 0]['labels'][0, 0]

X_test = data ['test'][0, 0]['images'][0, 0]
X_test = X_test.reshape((-1,28,28), order = 'F')

y_test = data ['test'][0, 0]['labels'][0, 0]

形状：

X_列车=（124800,28,28）

y_列=（124800，1）

X_检验=（20800,28,28）

y_检验=（20800，1）

请注意，图片为灰度，因此颜色仅用一个数字表示

我进一步准备如下：

train_dataset = torch.utils.data.TensorDataset(torch.from_numpy(X_train), torch.from_numpy(y_train))
test_dataset = torch.utils.data.TensorDataset(torch.from_numpy(X_test), torch.from_numpy(y_test))

train_loader = torch.utils.data.DataLoader(dataset=train_dataset, 
                                           batch_size=batch_size, 
                                           shuffle=True)

test_loader = torch.utils.data.DataLoader(dataset=test_dataset, 
                                          batch_size=batch_size, 
                                          shuffle=False)

class CNNModel(nn.Module):
    def __init__(self):
        super(CNNModel, self).__init__()

        self.cnn_layers = Sequential(
            # Defining a 2D convolution layer
            Conv2d(1, 4, kernel_size=3, stride=1, padding=1),
            BatchNorm2d(4),
            ReLU(inplace=True),
            MaxPool2d(kernel_size=2, stride=2),
            # Defining another 2D convolution layer
            Conv2d(4, 4, kernel_size=3, stride=1, padding=1),
            BatchNorm2d(4),
            ReLU(inplace=True),
            MaxPool2d(kernel_size=2, stride=2),
        )

        self.linear_layers = Sequential(
            Linear(4 * 7 * 7, 10)
        )

    # Defining the forward pass    
    def forward(self, x):
        x = self.cnn_layers(x)
        x = x.view(x.size(0), -1)
        x = self.linear_layers(x)
        return x

model = CNNModel()

我的模型如下所示：

train_dataset = torch.utils.data.TensorDataset(torch.from_numpy(X_train), torch.from_numpy(y_train))
test_dataset = torch.utils.data.TensorDataset(torch.from_numpy(X_test), torch.from_numpy(y_test))

train_loader = torch.utils.data.DataLoader(dataset=train_dataset, 
                                           batch_size=batch_size, 
                                           shuffle=True)

test_loader = torch.utils.data.DataLoader(dataset=test_dataset, 
                                          batch_size=batch_size, 
                                          shuffle=False)

class CNNModel(nn.Module):
    def __init__(self):
        super(CNNModel, self).__init__()

        self.cnn_layers = Sequential(
            # Defining a 2D convolution layer
            Conv2d(1, 4, kernel_size=3, stride=1, padding=1),
            BatchNorm2d(4),
            ReLU(inplace=True),
            MaxPool2d(kernel_size=2, stride=2),
            # Defining another 2D convolution layer
            Conv2d(4, 4, kernel_size=3, stride=1, padding=1),
            BatchNorm2d(4),
            ReLU(inplace=True),
            MaxPool2d(kernel_size=2, stride=2),
        )

        self.linear_layers = Sequential(
            Linear(4 * 7 * 7, 10)
        )

    # Defining the forward pass    
    def forward(self, x):
        x = self.cnn_layers(x)
        x = x.view(x.size(0), -1)
        x = self.linear_layers(x)
        return x

model = CNNModel()

下面的代码是我用来训练我的模型的代码的一部分：

for epoch in range(num_epochs):
    for i, (images, labels) in enumerate(train_loader):

    images = Variable(images)
    labels = Variable(labels)

    # Forward pass to get output/logits
    outputs = model(images)

但是，通过执行我的代码，我得到以下错误：

RuntimeError: Expected 4-dimensional input for 4-dimensional weight [4, 1, 3, 3], but got 3-dimensional input of size [100, 28, 28] instead

因此，当我的输入是3D时，需要4D输入。我该怎么做才能使3D模型比4D模型更符合要求

---

有人问了一个类似的问题，但我不知道如何将其转换为我的代码。卷积期望输入的大小为[batch\u size，channel，height，width]，但图像的大小为[batch\u size，height，width]，通道尺寸缺失。灰度用单个通道表示，您已将第一次卷积的

in_channels

正确设置为1，但图像没有匹配维度

您可以轻松地使用添加单个维度

另外，请不要使用，它在两年前发布的PyTorch 0.4.0中被弃用，它的所有功能都已合并到张量中

枚举（列车装载机）中的i（图像、标签）： #添加单个通道标注 #发件人：[批次大小、高度、宽度] #收件人：[批量大小，1，高度，宽度] 图像=图像。取消查询（1） #向前传递以获取输出/登录 输出=模型（图像）

---

卷积预计输入的大小为[batch\u size，channel，height，width]，但图像的大小为[batch\u size，height，width]，通道尺寸缺失。灰度用单个通道表示，您已将第一次卷积的

in_channels

正确设置为1，但图像没有匹配维度

您可以轻松地使用添加单个维度

另外，请不要使用，它在两年前发布的PyTorch 0.4.0中被弃用，它的所有功能都已合并到张量中

枚举（列车装载机）中的i（图像、标签）： #添加单个通道标注 #发件人：[批次大小、高度、宽度] #收件人：[批量大小，1，高度，宽度] 图像=图像。取消查询（1） #向前传递以获取输出/登录 输出=模型（图像）

---

谢谢你的回答，Michael。你所说的三行评论是什么意思？你有如何做到这一点的示例代码吗？注释描述了下面这一行代码的功能。谢谢你的回答。你所说的三行评论是什么意思？你有如何做的示例代码吗？注释描述了下面这行代码的作用。