Python Pytorch上的1D CNN:mat1和mat2形状不能相乘（10x3和10x2）

我有一个样本大小为500的时间序列和两种类型的标签，我想构建一个带有pytorch的1D CNN：

class Simple1DCNN(torch.nn.Module):
    def __init__(self):
        super(Simple1DCNN, self).__init__()
        self.layer1 = torch.nn.Conv1d(in_channels=50, 
                                      out_channels=20, 
                                      kernel_size=5, 
                                      stride=2)
        self.act1 = torch.nn.ReLU()
        self.layer2 = torch.nn.Conv1d(in_channels=20, 
                                      out_channels=10, 
                                      kernel_size=1)
        
        self.fc1 = nn.Linear(10* 1 * 1, 2)
    def forward(self, x):
        x = x.view(1, 50,-1)
        x = self.layer1(x)
        x = self.act1(x)
        x = self.layer2(x)
        x = self.fc1(x)
        
        return x

model = Simple1DCNN()
model(torch.tensor(np.random.uniform(-10, 10, 500)).float())

但收到了以下错误消息：

Traceback (most recent call last):
  File "so_pytorch.py", line 28, in <module>
    model(torch.tensor(np.random.uniform(-10, 10, 500)).float())
  File "/Users/lib/python3.8/site-packages/torch/nn/modules/module.py", line 727, in _call_impl
    result = self.forward(*input, **kwargs)
  File "so_pytorch.py", line 23, in forward
    x = self.fc1(x)
  File "/Users/lib/python3.8/site-packages/torch/nn/modules/module.py", line 727, in _call_impl
    result = self.forward(*input, **kwargs)
  File "/Users/lib/python3.8/site-packages/torch/nn/modules/linear.py", line 93, in forward
    return F.linear(input, self.weight, self.bias)
  File "/Users/lib/python3.8/site-packages/torch/nn/functional.py", line 1692, in linear
    output = input.matmul(weight.t())
RuntimeError: mat1 and mat2 shapes cannot be multiplied (10x3 and 10x2)

回溯（最近一次呼叫最后一次）：
文件“so_pytorch.py”，第28行，在
模型（torch.tensor（np.random.uniform（-10,10500））.float（））
文件“/Users/lib/python3.8/site packages/torch/nn/modules/module.py”，第727行，在
结果=自我转发（*输入，**kwargs）
文件“so_pytorch.py”，第23行，向前
x=自身.fc1（x）
文件“/Users/lib/python3.8/site packages/torch/nn/modules/module.py”，第727行，在
结果=自我转发（*输入，**kwargs）
文件“/Users/lib/python3.8/site packages/torch/nn/modules/linear.py”，第93行，向前
返回F.linear（输入、自重、自偏压）
文件“/Users/lib/python3.8/site packages/torch/nn/functional.py”，第1692行，线性
输出=输入.matmul（weight.t（））
运行时错误：mat1和mat2形状不能相乘（10x3和10x2）

---

我做错了什么？

行

x=self.layer2（x）

（也是下一行

x=self.fc1（x）

的输入）的输出形状是

torch.Size（[1,10,3]）

现在从

self.fc1

的定义来看，它期望其输入的最后一个维度是

10*1*1

，即

10

，而您的输入有

3

，因此出现错误

我不知道你想做什么，但假设你想做的是

将整个

500

大小序列标记为两个标签中的一个，然后执行此操作

将

10

timesteps分别标记为两个标签中的一个，然后执行此操作

1的输出形状将是（批量大小，2），而2的输出形状将是（批量大小，10，2）

# replace self.fc1 = nn.Linear(10* 1 * 1, 2) with
self.fc1 = nn.Linear(10 * 3, 2)

# replace x = self.fc1(x) with
x = x.view(1, -1)
x = self.fc1(x)

# replace self.fc1 = nn.Linear(10* 1 * 1, 2) with
self.fc1 = nn.Linear(2, 2)