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?
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?