如何解决由于 PyTorch 中的大小不匹配导致的运行时错误？

Question

我正在尝试使用 PyTorch 实现一个简单的自动编码器。我的数据集包含 256 x 256 x 3 图像。我已经构建了一个 torch.utils.data.dataloader.DataLoader 对象，它将图像存储为张量。当我运行自动编码器时，我得到一个运行时间错误：

size mismatch, m1: [76800 x 256], m2: [784 x 128] at /Users/soumith/minicondabuild3/conda-bld/pytorch_1518371252923/work/torch/lib/TH/generic/THTensorMath.c:1434

这些是我的超参数：

batch_size=100,
learning_rate = 1e-3,
num_epochs = 100

以下是我的自动编码器的架构：

class autoencoder(nn.Module):
    def __init__(self):
        super(autoencoder, self).__init__()
        self.encoder = nn.Sequential(
            nn.Linear(3*256*256, 128),
            nn.ReLU(),
            nn.Linear(128, 64),
            nn.ReLU(True),
            nn.Linear(64, 12),
            nn.ReLU(True),
            nn.Linear(12, 3))

        self.decoder = nn.Sequential(
            nn.Linear(3, 12),
            nn.ReLU(True),
            nn.Linear(12, 64),
            nn.ReLU(True),
            nn.Linear(64, 128),
            nn.Linear(128, 3*256*256),
            nn.ReLU())

def forward(self, x):
    x = self.encoder(x)
    #x = self.decoder(x)
    return x

这是我用来运行模型的代码：

for epoch in range(num_epochs):
for data in dataloader:
    img = data['image']
    img = Variable(img)
    # ===================forward=====================
    output = model(img)
    loss = criterion(output, img)
    # ===================backward====================
    optimizer.zero_grad()
    loss.backward()
    optimizer.step()
# ===================log========================
print('epoch [{}/{}], loss:{:.4f}'
      .format(epoch+1, num_epochs, loss.data[0]))
if epoch % 10 == 0:
    pic = show_img(output.cpu().data)
    save_image(pic, './dc_img/image_{}.jpg'.format(epoch))

Answer 1

如果你的输入是3 x 256 x 256，那么你需要将它转换成B x N来通过线性层：nn.Linear(3*256*256, 128) 其中B是batch_size 和 N 是线性层输入大小。如果您一次给出一张图像，您可以将形状为 3 x 256 x 256 的输入张量转换为 1 x (3*256*256)，如下所示。

img = img.view(1, -1) # converts [3 x 256 x 256] to 1 x 196608
output = model(img)

Answer 2

每当你有：

RuntimeError: size mismatch, m1: [a x b], m2: [c x d]

您只需要关心 b=c 即可完成：

m1 是 [a x b] 即 [batch size x in features]

m2 是 [c x d] 即 [in features x out features]

Answer 3

你的错误：

size mismatch, m1: [76800 x 256], m2: [784 x 128]

表示前一层输出形状不等于下一层输入形状

[76800 x 256], m2: [784 x 128] # Incorrect!
[76800 x 256], m2: [256 x 128] # Correct!

如何解决由于 PyTorch 中的大小不匹配导致的运行时错误？

How to resolve runtime error due to size mismatch in PyTorch?

python

autoencoder

pytorch