Python &引用；运行时错误：mat1尺寸1必须与mat2尺寸0匹配；皮托克

我一直在尝试用线性层构建一个简单的神经网络：

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        
        self.lin1 = nn.Linear(64 * 1 * 28 * 28, 6)
        self.lin2 = nn.Linear(6, 4)
        self.out = nn.Linear(4, 10)

    def forward(self, x):
        print(x.shape)
        
        x = self.lin1(x)
        x = F.relu(x)
        
        x = self.lin2(x)
        x = F.relu(x)
        
        x = self.out(x)
        x = F.softmax(x)
        
        return x

但是，我遇到了错误：

mat1尺寸1必须与mat2尺寸0匹配

排队

x = self.lin1(x)

我尝试在

lin1

之前展平

x

或更改

lin1

输入大小，但没有任何效果

print语句的输出为：

torch.Size（[64,1,28,28]）

输入到

nn.Linear（a，b）

的形状必须是

火炬大小（[N，a]）

。因此，在您的情况下，您需要将

x

重塑为例如

x。重塑（64，-1）

问题通过平坦化（与我以前不同的方式）输入来解决

import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):
  def __init__(self):
    super(Net,self).__init__()
    
    self.lin1 = nn.Linear(784,6)
    self.lin2  = nn.Linear(6,4)
    self.out = nn.Linear(4,10)
   

def forward(self,x):
    
    x = torch.flatten(x,start_dim = 1) #This is new
    
    x = self.lin1(x)
    x = F.relu(x)
    
    x = self.lin2(x)
    x = F.relu(x)
    
    x = self.out(x)
    
    return x

---

我试着把

x=x.reformate（64，-1）

放在lin1之前，但我仍然收到相同的错误。还将图层更改为

nn.Linear（64,6）

，甚至收到了错误。请您发布一个，否则无法重现您的错误。好的，我只需将linearLayer设置为

nn.Linear（28,6）

->张量的最后一个尺寸即可解决此问题。请注意，这会产生完全不同的效果！我假设您正在尝试创建一个MNIST（或类似）分类器，这意味着您将在图片的列上训练一个分类器，也就是说，您将为每列获得一个分类，而这可能不是您想要的。是的，我正在尝试使用softmax对MNIST集进行分类。我在理解时态表中每个数字的含义时仍然有点困难。当重塑为

（64，-1）

时，输出形状为：

火炬大小（[64784]）

，我是否应该将线性层输入设置为784？