pytorch的nn.Linear缺省输入节点个数

l852131652

于 2022-01-18 17:19:41 发布

阅读量1.1k

点赞数

文章标签： pytorch 深度学习 cnn

本文链接：https://blog.youkuaiyun.com/l852131652/article/details/122563841

版权

PyTorch的nn.Linear模块在使用时需要手动指定输入维度，与Keras的Dense不同。在处理如[batch1, 4000]这种由一维数据和一维CNN得到的输出时，需要先通过.view()进行形状转换，然后利用x.shape[1]获取延展后的数据维度，将其作为nn.Linear的输入节点数。" 80893528,7806432,自定义Office 2010功能区UI编程指南,"['office开发', '.net', 'COM加载项']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Pytorch中的Linear不能像Keras中的Dense一样自动计算数据维度，在利用**x = x.view(x.size(0), -1)**延展后，还需要手动输入Linear的输入维度。可以利用x.shape查看输入到分类器前的数据维度，以实现nn.Linear缺省输入节点个数。例如，输入数据维度是[batch1,4000]（一维数据+一维CNN），经过卷积conv1的处理后，将其延展为batch一维，利用x.shape[1]获取延展后的数据维度，即可作为Linear的输入维度。

class CNN(nn.Module):
    def __init__(self):
        super(CNN, self).__init__()

        self.conv1 =  nn.Sequential(

最低0.47元/天解锁文章