PyTorch:输入数据的一维

Question

我不明白为什么这段代码有效：

# Hyperparameters for our network
input_size = 784
hidden_sizes = [128, 64]
output_size = 10

# Build a feed-forward network
model = nn.Sequential(nn.Linear(input_size, hidden_sizes[0]),
                      nn.ReLU(),
                      nn.Linear(hidden_sizes[0], hidden_sizes[1]),
                      nn.ReLU(),
                      nn.Linear(hidden_sizes[1], output_size),
                      nn.Softmax(dim=1))
print(model)

# Forward pass through the network and display output
images, labels = next(iter(trainloader))
images.resize_(images.shape[0], 1, 784)
ps = model.forward(images[0,:])

图像的大小是(images.shape，1784)，但是我们的网络的input_size = 784。网络如何处理输入图像中的一维？我试图将images.resize_(images.shape，1784)更改为images.view= images.view(images.shape，- 1 )，但我得到了一个错误：

IndexError: Dimension out of range (expected to be in range of [-1, 0], but got 1)

作为参考，下一种方法是创建数据加载器：

# Define a transform to normalize the data
transform = transforms.Compose([transforms.ToTensor(),
                              transforms.Normalize((0.5,), (0.5,)),
                              ])
# Download and load the training data
trainset = datasets.MNIST('~/.pytorch/MNIST_data/', download=True, train=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True)

Answer 1

PyTorch网络将输入作为batch_size，input_dimensions

在您的示例中，images0 :是1,784的形状，其中“1”是tue批处理大小，这就是代码工作的原因。