Pytorch - 推断线性层 in_features

Question

4

我正在构建一个玩具模型，用于输入一些图像并给出分类结果。我的模型如下：

conv2d -> 池化(pool) -> conv2d -> 线性(linear) -> 线性(linear)。

我的问题是，在创建模型时，我们必须根据输入图像的大小计算第一个线性层中的 in_features(输入特征数)。如果我们获得不同大小的新图像，则必须重新计算线性层的 in_features。为什么我们必须这样做？难道不能推断出它吗？

- Kevin

2个回答

0

哦，我也遇到了这种情况，这是我的解决方案

    output3=torch.flatten(output1) # flatten the tensor
    output3_1=output3.clone().detach()

#创建一个新的张量，其require_grad=False

    output4=output3_1.numpy()ndarry #turn the tensor to ndarry
    self.size=np.size(output4)

#获取ndarray的大小，self.size将是一个int类
现在你已经得到了in_feature的值

- jokee

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- iacob · Accepted Answer

截至1.8版本，PyTorch现在拥有LazyLinear 模块，可以推断输入维度：

torch.nn.Linear模块，其中in_features是被推断的。