Python mat1和mat2形状不能相乘

我不熟悉AI和python，我正在尝试构建一个架构来训练一组图像。后来，我们的目标是过度健身。但到目前为止，我还不知道如何正确地获取输入和输出。每当我尝试训练网络时，我总是看到错误：

mat1和mat2形状不能相乘（48x13456和16x64）

我的网络：

net2 = nn.Sequential(

nn.Conv2d(3,8, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),


nn.Conv2d(8,16, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),

nn.Flatten(),
nn.Linear(16,64),
nn.ReLU(),
nn.Linear(64,10)
)

---

这是我正在处理的任务的一部分，我真的不明白为什么它没有运行。任何提示

这是因为您已将2D cnn展平为1D FC层…
&在展平图层之前，您必须手动计算更改后的输入形状，从128大小到Maxpool图层……在您的情况下，它是

29*29*16

因此，您的代码必须重写为

net2 = nn.Sequential(

nn.Conv2d(3,8, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),


nn.Conv2d(8,16, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),

nn.Flatten(),

nn.Linear(13456,64),
nn.ReLU(),
nn.Linear(64,10)
)

这应该行得通

编辑：这是一个计算输出大小的简单公式：

  (((W - K + 2P)/S) + 1)
    Here W = Input size
    K = Filter size
    S = Stride
    P = Padding 

因此，第一个conv块将使您的输出大小为124
然后你做Maxpool，这将使它减半，即62
第二个conv块将使您的输出大小为58
那么您的最后一个Maxpool将达到29…

---

因此，最终的平坦输出将是

29*29*16

，其中16是输出通道

因为您已将2D cnn平坦化为1D FC层…
&在展平图层之前，您必须手动计算更改后的输入形状，从128大小到Maxpool图层……在您的情况下，它是

29*29*16

因此，您的代码必须重写为

net2 = nn.Sequential(

nn.Conv2d(3,8, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),


nn.Conv2d(8,16, kernel_size=5, padding=0),
nn.ReLU(),
nn.MaxPool2d(kernel_size=2, stride=2),

nn.Flatten(),

nn.Linear(13456,64),
nn.ReLU(),
nn.Linear(64,10)
)

这应该行得通

编辑：这是一个计算输出大小的简单公式：

  (((W - K + 2P)/S) + 1)
    Here W = Input size
    K = Filter size
    S = Stride
    P = Padding 

因此，第一个conv块将使您的输出大小为124
然后你做Maxpool，这将使它减半，即62
第二个conv块将使您的输出大小为58
那么您的最后一个Maxpool将达到29…

---

所以最终的平坦输出将是

29*29*16

其中16是输出通道

您输入的形状是什么？我不确定@Darina是什么意思，但我认为torch.Size（[48,3,128,128]）我不是火炬专家，可能是错的，但在我看来问题在于您的线性层的尺寸。看看这篇非常好的文章：你输入的形状是什么？我不确定@Darina是什么意思，但我认为torch.Size（[48,3,128,128]）我不是火炬专家，可能是错的，但在我看来问题在于你的线性层的尺寸。看一看这篇非常好的文章：谢谢，它现在可以工作了！。你能解释一下手工计算吗？对不起，我还在学习。或者给我指一篇文章。我已经编辑了答案……希望你能找到解释。谢谢，它现在起作用了！。你能解释一下手工计算吗？对不起，我还在学习。或者给我指一篇文章。我已经编辑了答案……希望你能找到解释