Python 给定输入大小：（128x1x1）。计算输出大小：（128x0x0）。输出大小太小
我正在训练一个U形网，看起来像这样Python 给定输入大小：（128x1x1）。计算输出大小：（128x0x0）。输出大小太小,python,neural-network,deep-learning,conv-neural-network,pytorch,Python,Neural Network,Deep Learning,Conv Neural Network,Pytorch,我正在训练一个U形网，看起来像这样 `class UNet(nn.Module): def __init__(self, imsize): super(UNet, self).__init__() self.imsize = imsize self.activation = F.relu self.pool1 = nn.MaxPool2d(2) self.pool2 = nn.MaxPool2d(2) self.pool3 = nn.MaxPoo
`class UNet(nn.Module):
def __init__(self, imsize):
super(UNet, self).__init__()
self.imsize = imsize
self.activation = F.relu
self.pool1 = nn.MaxPool2d(2)
self.pool2 = nn.MaxPool2d(2)
self.pool3 = nn.MaxPool2d(2)
self.pool4 = nn.MaxPool2d(2)
self.conv_block1_64 = UNetConvBlock(4, 64)
self.conv_block64_128 = UNetConvBlock(64, 128)
self.conv_block128_256 = UNetConvBlock(128, 256)
self.conv_block256_512 = UNetConvBlock(256, 512)
self.conv_block512_1024 = UNetConvBlock(512, 1024)
self.up_block1024_512 = UNetUpBlock(1024, 512)
self.up_block512_256 = UNetUpBlock(512, 256)
self.up_block256_128 = UNetUpBlock(256, 128)
self.up_block128_64 = UNetUpBlock(128, 64)
self.last = nn.Conv2d(64, 1, 1)`
`class BCELoss2d(nn.Module):
def __init__(self, weight=None, size_average=True):
super(BCELoss2d, self).__init__()
self.bce_loss = nn.BCELoss(weight, size_average)
def forward(self, logits, targets):
probs = F.sigmoid(logits)
probs_flat = probs.view(-1)
targets_flat = targets.view(-1)
return self.bce_loss(probs_flat, targets_flat)`
<ipython-input-72-270210759010> in forward(self, x)
75
76 block4 = self.conv_block256_512(pool3)
---> 77 pool4 = self.pool4(block4)
78
79 block5 = self.conv_block512_1024(pool4)
/usr/local/lib/python3.5/dist-packages/torch/nn/modules/module.py in _ _call__(self, *input, **kwargs)
323 for hook in self._forward_pre_hooks.values():
324 hook(self, input)
325 result = self.forward(*input, **kwargs)
326 for hook in self._forward_hooks.values():
327 hook_result = hook(self, input, result)
/usr/local/lib/python3.5/dist-packages/torch/nn/modules/pooling.py in forward(self, input)
141 return F.max_pool2d(input, self.kernel_size, self.stride,
142 self.padding, self.dilation, self.ceil_mode,
--> 143 self.return_indices)
144
145 def __repr__(self):
/usr/local/lib/python3.5/dist-packages/torch/nn/functional.py in max_pool2d(input, kernel_size, stride, padding, dilation, ceil_mode, return_indices)
332 See :class:`~torch.nn.MaxPool2d` for details.
333 """
--> 334 ret = torch._C._nn.max_pool2d(input, kernel_size, stride, padding, dilation, ceil_mode)
335 return ret if return_indices else ret[0]
336
RuntimeError: Given input size: (128x1x1). Calculated output size: (128x0x0). Output size is too small at /pytorch/torch/lib/THCUNN/generic/SpatialDilatedMaxPooling.cu:69
前进（自身，x）
75
76块4=自转换块256块512（池3）
--->77 pool4=self.pool4（块4）
78
79 block5=self.conv_block512_1024（池4）
/usr/local/lib/python3.5/dist-packages/torch/nn/modules/module.py in_uu_u_u调用（self，*input，**kwargs）
323用于自钩子。\u前进\u预钩子。值（）：
324挂钩（自身，输入）
325结果=自转发（*输入，**kwargs）
326用于钩住自身。\u向前\u钩住.values（）：
327钩子结果=钩子（自身、输入、结果）
/前进中的usr/local/lib/python3.5/dist-packages/torch/nn/modules/pooling.py（self，input）
141返回F.max_pool2d（输入，self.kernel_大小，self.stride，
142自填充、自扩张、自细胞模式，
-->143.自回归指数）
144
145定义报告（自我）：
/max_pool2d中的usr/local/lib/python3.5/dist-packages/torch/nn/functional.py（输入、内核大小、步幅、填充、扩展、ceil模式、返回索引）
332有关详细信息，请参见：类：`~torch.nn.MaxPool2d`。
333 """
-->334 ret=torch.\u C.\u nn.max\u pool2d（输入、内核大小、步幅、填充、扩展、ceil\u模式）
335如果返回，则返回ret，否则返回[0]
336
运行时错误：给定的输入大小：（128x1x1）。计算的输出大小：（128x0x0）。输出大小在/pytorch/torch/lib/THCUNN/generic/SpatialDilatedMaxPooling处太小。cu:69
我猜我在通道大小或池大小上犯了一个错误，但我不确定错误到底在哪里。你的问题是，在池4之前，你的图像已经缩小到了
1x1