我试图创建一个CNN，在20个纪元内获得至少80%的CIFAR 10数据准确性。 第一个 如果我运行这个程序，我得到RuntimeError: mat1 and mat2 shapes cannot be multiplied (256x512 and 256x512)。但是矩阵的大小是一样的，都是256 x512。为什么会发生这种情况？我也试着修改reshape参数，但是我不能让它工作。有什么想法吗？谢谢！
在定义model之后的任何时候。如果您有像这个问题中的尺寸不匹配，就会立即产生错误。然后您可以注解掉forward()中的最后几行，看看错误是否消失。这样您就可以快速缩小导致尺寸不匹配的层。一旦您确切地知道是哪一行导致了问题，查找错误就会变得容易得多。 顺便说一句，“形状不能相乘”错误是指矩阵乘法。如果矩阵A的维数为m x n，矩阵B的维数为r x s，则乘积A*B仅在n = r时定义，这对于错误消息中的维数是不满足的。
1条答案
按热度按时间yptwkmov1#
声明FC层的工作方式类似于
nn.Linear(num_in_features, num_out_features);请参阅official documentation。换句话说，您告诉fc1从25644个输入要素开始，生成512个输出要素。然后fc2尝试从256个输入要素开始，并生成512个输出要素。这是不匹配的，因为您告诉fc2期望256个输入，但实际上传递了512个输入。如果修复此错误，您将立即看到一个新错误：
fc2当前返回512个输出要素，但fc3只需要256个输入要素。通过将行
self.fc2 = nn.Linear(256, 512)替换为self.fc2 = nn.Linear(512, 256)，可以同时解决这两个问题。**编辑：**您还应该删除
x = self.fc2(x)这一行。实际上，您的代码连续应用了两次fc2。我认为您只是打错了字，因为如果不在两个连续的FC层之间包含ReLU这样的激活函数，那么两个FC层并不比一个FC层好。这也是您的注解中提到的新错误的原因，因为第一个fc2调用产生256个特性，而第二个fc2调用需要512个输入。附加调试提示：试着写
在定义
model之后的任何时候。如果您有像这个问题中的尺寸不匹配，就会立即产生错误。然后您可以注解掉forward()中的最后几行，看看错误是否消失。这样您就可以快速缩小导致尺寸不匹配的层。一旦您确切地知道是哪一行导致了问题，查找错误就会变得容易得多。顺便说一句，“形状不能相乘”错误是指矩阵乘法。如果矩阵A的维数为m x n，矩阵B的维数为r x s，则乘积A*B仅在n = r时定义，这对于错误消息中的维数是不满足的。