RuntimeError:尺寸不匹配m1：[a ]，m2：[c ]

Question

有人能帮我吗？我的错误越来越少。我用谷歌科拉布。如何解决这个错误？

尺寸不匹配，/pytorch/aten/src/TH/generic/THTensorMath.cpp:2070 : m1: 64x100，m2: 784x128

下面的代码我正在尝试运行。

    import torch
    from torch import nn
    import torch.nn.functional as F
    from torchvision import datasets, transforms

    # Define a transform to normalize the data
    transform = 
    transforms.Compose([transforms.CenterCrop(10),transforms.ToTensor(),])
    # Download the 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)

    # Build a feed-forward network
    model = nn.Sequential(nn.Linear(784, 128),nn.ReLU(),nn.Linear(128, 
    64),nn.ReLU(),nn.Linear(64, 10))

    # Define the loss
    criterion = nn.CrossEntropyLoss()

   # Get our data
   images, labels = next(iter(trainloader))
   # Faltten images
   images = images.view(images.shape[0], -1)

   # Forward pass, get our logits
   logits = model(images)
   # Calculate the loss with the logits and the labels
   loss = criterion(logits, labels)
   print(loss)

Answer 1

你所需要关心的就是b=c，你已经完成了：

m1: [a x b], m2: [c x d]

m1是[a x b]，它是[batch size x in features]

m2是[c x d]，它是[in features x out features]

Answer 2

你的尺寸错配了！

您的第一层model需要一个784-dim输入(我假设您是通过28x28=784 ( MNIST位数的大小)得到这个值的)。

但是，您的trainset应用了transforms.CenterCrop(10) --也就是说，它从图像的中心产生一个10x10区域，因此您的输入维度实际上是100。

概括地说：

• 您的第一层：nn.Linear(784, 128)期望一个784-dim输入，并输出128个暗隐藏的特征向量(每个输入)。因此，该层的权重矩阵是[784 x 128] (错误消息中的“m2”)。
• 您的输入被裁剪为10×10像素(总计100-dim)，并且在每个批处理中都有batch_size=64这样的图像，总[64 x 100]输入大小(错误消息中的“m1”)。
• 不能计算大小不匹配的矩阵之间的点乘积: 100 != 784，因此py手电筒给出了这个错误。