Pytorch 卷积网络实现中的维数误差

我试图理解为什么我的分类器存在维度问题。这是我的密码：

class convnet(nn.Module):

    def __init__(self, num_classes=1000):
        super(convnet, self).__init__()
        self.features = nn.Sequential(
            nn.Conv2d(1, 32, kernel_size=3, stride=1, padding=1),
            nn.ReLU(inplace=True),
            nn.BatchNorm2d(32),
            nn.MaxPool2d(kernel_size=2, stride = 2),
            nn.Conv2d(32, 32, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.BatchNorm2d(32),
            nn.MaxPool2d(kernel_size=2, stride = 2), #stride=2),
            nn.Conv2d(32, 64, kernel_size=3, stride=1),
            nn.ReLU(inplace=True),
            nn.BatchNorm2d(64),
            nn.MaxPool2d(kernel_size=2, stride = 2),
        )

        self.classifier = nn.Sequential(
            nn.Linear(576, 128),
            nn.BatchNorm2d(128),
            nn.ReLU(inplace=True),
            nn.Linear(128, 64),
            nn.ReLU(inplace=True),
            nn.BatchNorm2d(64),
            nn.Linear(64,num_classes),
            nn.Softmax(),
       )

    def forward(self, x):
        x = self.features(x)
        x = torch.flatten(x,1) #x.view(x.size(0), 256 * 6 * 6)
        x = self.classifier(x)
        return x


def neuralnet(num_classes,**kwargs):
    model = convnet(**kwargs)
    return model

所以这里我的问题是：预期4D输入（得到2D输入）

我很确定这个错误是由flatte命令引起的，但是我真的不明白为什么，因为分类器有完全密集的连接。如果有人知道我哪里出了问题，那将非常有帮助

---

谢谢

展平后，分类器的输入有两个维度（大小：[批次大小，576]），因此第一个线性层的输出也有两个维度（大小：[批次大小，128]）。然后将该输出传递给，这要求其输入具有4个维度（大小：[批次大小、通道、高度、宽度]）

如果要在二维输入上使用批处理规范，则需要使用，它接受三维输入（大小：[批处理大小，通道，长度]）或二维输入（大小：[批处理大小，长度]）

self.classifier=nn.Sequential(
nn.线性（576128），
nn.1D（128），
nn.ReLU（就地=真），
nn.线性（128，64），
nn.ReLU（就地=真），
nn.1D（64），
nn.线性（64个，num_类），
nn.Softmax（），
)

您的错误指向哪一行？它指向x=self.classifier（x），您的意思是

x=self.classifier（x）

提示：始终发布完整的堆栈跟踪我将在下次记住这一点！我明白了！谢谢你的详细回复！