Pytorch：Conv1d后自动判断Linear层的输入形状
Pytorch: Automatically determin the input shape of Linear layer after Conv1d
我想构建一个模型，其中包含多个 Conv1d 层，然后是多个 Linear 层。由于 Conv1d 层不需要数据长度，因此 Conv1d 层将适用于任何给定长度的数据。然而问题出现在 Linear 层，因为我不知道如何让模型用不同长度的数据进行实验。现在每次我改变输入数据的长度，Conv1d层的输出大小都会改变，因此我必须手动重置Linear层的in_features。
注：我学过CNN，手算输出维度很清楚。我正在寻找一种程序化的方法来确定它，因为我必须用不同长度的输入数据试验很多次。
问题：在pytorch中，如何自动算出许多Conv1d层后的输出维度并为以下[=设置in_features 11=]层?
您可以使用内置函数 nn.LazyLinear，它将在第一次推理时找到 in_features 并相应地初始化适当数量的权重：
linear = nn.LazyLinear(out_features)
我想构建一个模型，其中包含多个 Conv1d 层，然后是多个 Linear 层。由于 Conv1d 层不需要数据长度，因此 Conv1d 层将适用于任何给定长度的数据。然而问题出现在 Linear 层，因为我不知道如何让模型用不同长度的数据进行实验。现在每次我改变输入数据的长度，Conv1d层的输出大小都会改变，因此我必须手动重置Linear层的in_features。
注：我学过CNN，手算输出维度很清楚。我正在寻找一种程序化的方法来确定它，因为我必须用不同长度的输入数据试验很多次。
问题：在pytorch中，如何自动算出许多Conv1d层后的输出维度并为以下[=设置in_features 11=]层?
您可以使用内置函数 nn.LazyLinear，它将在第一次推理时找到 in_features 并相应地初始化适当数量的权重：
linear = nn.LazyLinear(out_features)