RuntimeError: mat1 and mat2 shapes cannot be multiplied (axb and cxd)

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 5.9k累计阅读 5.9k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄5年

关注

原创最新推荐文章于 2026-08-27 14:28:20 发布 5.9k 阅读 AI 写同款· GEO 优化 ›

RuntimeError: mat1 and mat2 shapes cannot be multiplied (5760x6 and 128x4) 阅读详情

这是在全连接层两边维度不匹配所导致的报错。

处理方法是将全连接层中的c更改为报错信息中的b，使b=c，这样两个矩阵就可以做乘法了，从而得到a个（一个batch）中每个图片的d各种类预测分数结果，解决。

收录于

bug调试

当前文章被收录于：

bug调试

9 篇文章 0 人学习

在配置各种设备时解决的bug

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#pytorch #python

解决：RuntimeError: mat1 and mat2 shapes cannot be multiplied (8x256 and 8x256)维度不匹配问题在设计网络是，前面几层是去噪网络，后边几层是分类网络，因为之前没有接触过分类任务，对全连接层输入维度不太理解，出现错误RuntimeError: mat1 and mat2 shapes cannot be multiplied (8x256 and 8x256)卷积层的输入为四维[batch_size,channels,H,W] ，而全连接接受维度为2的输入，通常为[batch_size, size]。而对于fc层需要根据上面的输出更改输入，及将下面语句的8改为256，跑通。阅读详情

相关推荐

CNN 输出尺寸与参数量计算：从公式到 PyTorch 代码验证的 3 个核心步骤

本文详细解析了卷积神经网络（CNN）输出尺寸与参数量的计算方法，从数学公式到PyTorch代码验证，涵盖卷积层、池化层的维度变化规律及参数量计算。通过具体案例和实用代码示例，帮助开发者准确掌握CNN设计中的维度匹配问题，避免常见错误，提升模型调试效率。

congtaixiao7151的博客 403

报错解决：RuntimeError: mat1 and mat2 shapes cannot be multiplied

*引言：**在采用深度学习模型训练和打比赛的过程中，我们经常需要用到不同的模型，而调整模型的时候，经常会遇到模型结构。

cnjs1994的博客 2万+

深度学习入门：从梯度下降、PyTorch到线性回归实战

深度学习作为机器学习的重要分支，通过多层神经网络实现端到端学习，其核心在于利用梯度下降与反向传播算法优化模型参数。理解这些基础原理对于掌握现代人工智能技术至关重要，它们构成了从图像识别到自然语言处理等复杂应用的基石。在工程实践中，PyTorch框架因其动态计算图和直观的编程接口成为主流选择，极大地降低了模型开发与实验的门槛。本文以线性回归为例，详细拆解了完整的训练流程，包括模型定义、损失函数设置、优化器选择以及训练循环的实现，并针对初学者常见的损失不下降、维度不匹配等问题提供了实用的调试技巧。通过结合梯度下

weixin_33804582的博客 559

RuntimeError: mat1 and mat2 shapes cannot be multiplied (64x1024 and 186624x4096)

这可能是因为 `AlexNet` 模型的全连接层参数设置不正确，或者 `_get_fc_input_size` 方法计算出的输入尺寸不正确。这可能是因为 `AlexNet` 模型的卷积层参数设置不正确，或者 `_get_fc_input_size` 方法没有正确计算出全连接层的输入尺寸。3.数据维度问题：在将卷积层的输出传递给全连接层之前，需要确保数据的维度是正确的。3. 展平卷积层输出：在将卷积层的输出传递给全连接层之前，确保使用 `view` 或 `flatten` 方法将其展平为一个一维向量。

m0_74102824的博客 4853

WinForm实战：如何用C#和PdfiumViewer打造一个功能齐全的PDF阅读器（含源码）

本文详细介绍了如何使用C#和PdfiumViewer库从零开始构建一个功能齐全的WinForm PDF阅读器。内容涵盖项目环境搭建、核心组件解析、基于命令模式的工具栏与UI架构设计，并深入讲解了智能缩放、页面导航、打印功能等核心交互的实现，以及内存管理和性能优化等高级话题，为开发者提供了一套完整的实战解决方案。

docker8compose的博客 503

Zemax新手别慌！一文搞懂几何像差：从球差、慧差到色差的实战识别与优化

本文为Zemax新手提供几何像差实战指南，详细解析球差、彗差和色差的识别与优化方法。通过软件操作关键节点和实际项目决策逻辑，帮助光学设计师快速掌握像差诊断与优化技巧，提升光学设计效率。

weixin_42524708的博客 257

RuntimeError: mat1 and mat2 shapes cannot be multiplied (250x7 and 9x256) pytorch报错

具体地说，根据错误信息，mat1是一个250x7的矩阵，而mat2是一个9x256的矩阵，它们的维度无法相乘。检查数据预处理：如果对输入数据进行了预处理或变换，请确保处理过程正确，不会导致维度不匹配。在利用pytorch搭建神经网络模型的时候，遇到这个错误通常表示矩阵乘法操作的。检查输入数据的维度：确保输入数据的维度与模型定义中的期望一致。通过检查以上几点，一般找到引起维度不匹配错误的原因，并进行相应的修正。在这种情况下，需要检查模型的结构和输入的维度是否正确。语句或调试器检查输入数据的形状。

qq_44679208的博客 6285

Unity集成抖音小游戏：从IL2CPP配置到SDK接入全流程解析

本文详细解析了使用Unity开发抖音小游戏的完整流程。从关键的IL2CPP编译后端配置、PlayerSettings设置，到StarkSDK的接入与资源优化（如AutoStreaming），再到激励视频广告、录屏分享等核心功能的代码实现，提供了从环境准备到打包上传的全方位实战指南，帮助开发者高效完成技术适配。

weixin_27943395的博客 688

PyTorch线性层实战指南：从原理到应用与调试技巧

线性层（Linear Layer），也称为全连接层，是神经网络中最基础且核心的组件之一，其数学本质是矩阵乘法与偏置相加的线性变换。在深度学习框架如PyTorch中，它通过`nn.Linear`模块实现，负责将输入特征空间映射到输出特征空间，是模型实现非线性拟合与决策的关键。该技术广泛应用于各类网络架构，如在卷积神经网络（CNN）中作为分类头，将提取的视觉特征映射为类别概率；在多层感知机（MLP）中堆叠构成深度前馈网络；在Transformer中则用于嵌入投影与前馈网络（FFN）等模块。理解其输入输出维度的设

weixin_33768481的博客 364

基于STM32设计自动输液监测系统(241)

该系统集成了液位传感模块、光电传感器、电机模块、按键模块和OLED显示屏等多个功能模块，以实现全面的输液过程监控和控制。液位传感模块能够实时监测输液瓶中的液位，当液位到达限定值时，系统会自动控制步进电机夹紧输液管，并发出报警提醒，确保输液过程不会因液位过低而中断。

1341

【STK】手把手教你利用STK进行光电红外仿真03-STK/EOIR模块属性之二导弹等目标的EOIR设置

上一节介绍了如何设置传感器的通用属性和空间、光学、光谱、辐射四种专项属性。这一节介绍如果对导弹等目标的EOIR属性进行修改。

weixin_44184852的博客 2203

深度学习必备线性代数：从张量运算到PyTorch实战

线性代数是现代机器学习和深度学习的数学基石，它提供了一套高效描述和处理高维数据的语言。其核心原理在于通过矩阵、向量和张量等结构，将复杂的计算转化为并行化运算，从而充分利用GPU等硬件加速能力。这一技术价值在于极大提升了大规模数据处理的效率，使得训练深层神经网络成为可能。在深度学习应用场景中，线性代数无处不在：从神经网络前向传播的矩阵乘法，到注意力机制中的点积相似度计算，再到防止过拟合的L2正则化（权重衰减）。本文将聚焦于PyTorch框架下的张量操作，通过矩阵乘法、哈达玛积等核心运算的代码实例，帮助读者掌握

weixin_34072458的博客 546

SAPGUI excel 导出时遇到的运行时错误：STRING_SIZE_TOO_LARGE

当报表导出需求远超单一 XLSX 文件的物理承载力时，与其在 SAPGUI 中硬拼 2 GB 限制，不如把分页、过滤、流式写入作为设计前提。掌握 ABAP2XLSX 或 CSV + Power Query 等工具链，既能满足审计合规，又能让应用服务器远离的噩梦。祝你在下一次导出海量数据时，既高效又优雅。

2007 年 ~ 2025 年，深耕 SAP 技术 18 年 638

PyTorch入门：从张量到神经网络，手把手构建第一个深度学习模型

深度学习作为人工智能的核心技术，其核心在于通过神经网络模型从数据中自动学习特征与规律。其原理基于多层非线性变换与梯度优化，通过反向传播算法调整网络参数，使模型输出逼近目标值。这一技术价值在于能够处理图像、文本、语音等高维复杂数据，在计算机视觉、自然语言处理等领域有广泛应用。PyTorch作为当前主流的深度学习框架，以其动态计算图和Pythonic的设计哲学，极大地降低了模型开发与实验的门槛。本文以构建第一个全连接神经网络为例，深入讲解PyTorch的核心概念，包括张量作为数据容器的基础操作、自动求导机制如何

weixin_30617737的博客 458

RT-Thread GD32F4xx HWTIMER驱动

GD32F4xx RT-Thread 硬件定时器驱动调试使用记录

madao1234的博客 1481

Captcha must be filled out，解决Kaggle新用户注册无法弹出验证提示的问题

Captcha must be filled out

weixin_46713695的博客 5万+

RuntimeError: mat1 and mat2 shapes cannot be multiplied (128x200 and 1250x1024)

这是一个矩阵乘法的错误。它表示 mat1 的形状是 (128x200)，而 mat2 的形状是 (1250x1024)，两者的形状不能相乘。矩阵乘法的条件是第一个矩阵的列数(即200)必须等于第二个矩阵的行数(即1250)。 ...

weixin_42599908的博客 1915

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候提示IE WebControls 不通过，这个工具可以欺骗u8的检查。跳过U8环境检测的IE WebControls。提示导入失败后，重新检测通过。

mat1 and mat2 shapes cannot be multiplied的错误原因与解决方法

Agu_JK的博客 5万+

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版【x86|x64】

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

报错：RuntimeError: mat1 and mat2 shapes cannot be multiplied (20x10368 and 180000x128)

可能是导致维度不匹配的原因。为了确保输入到全连接层的维度正确，、需要计算经过卷积层和池化层后的特征图尺寸。：假设输入图像的尺寸是 H \W（高度和宽度），例如 H = 300,W = 300。找到错误代码，是由于模型处计算错误。这段代码中的全连接层。错误表示：矩阵的维度不匹配，导致无法完成矩阵相乘操作。

qq_59782617的博客 1977

K采样器报错

在使用 XL大模型配合 [1.5版本的ControlNet模型时，出现报错“ RuntimeError mat1 and mat2 shapes cannot be multiplied”的主要原因是模型版本不匹配‌。1、‌更换匹配的ControlNet版本‌：确保使用的ControlNet版本与大模型版本相匹配。如果是使用SDXL大模型，应下载适用于SDXL版本的ControlNet模型，获取相应的模型‌。2、‌调整模型配置‌：检查并调整模型的配置，确保各模块的输入和输出维度匹配。

2301_78150483的博客 6210

RuntimeError mat1 and mat2 shapes cannot be multiplied

1，dataloader中需要设置参数drop_last=True。即丢弃最后一个不足batchSize的样本。根据提示，全连接层两个需要相乘的矩阵维度不匹配，代码中batchSize为8，最后的类别数量为4。，样本总数不是批次的倍数，有余数，因此，最后一个批次的样本会产生该问题。，reshape时使用样本的数量。

qunsorber的博客 4601

AI绘画(sd webui)报错mat1 and mat2 shapes cannot be multiplied的处理

在用webui转换游戏图标的风格时，使用controlnet固定图标样式，运行报错：，报错说的是pytorch在进行矩阵乘法运算时，第一个矩阵的行数与第二矩阵的列数不相等，无法作乘法。一头雾水，查了github，google,百度都未找到解决方法，为了后续人少踩坑，把写问题记一下。当更换当前大模型后，再用同样的参数画图，然后就没报错了。所以，解决方

清风自来仰面迎之 1万+

RuntimeError: mat1 and mat2 shapes cannot be multiplied (1024x1 and 1024x3)

RuntimeError: mat1 and mat2 shapes cannot be multiplied (1024x1 and 1024x3) 前言：在学习pytorch 搭建神经网络的时候，测试网络发现出现RuntimeError: mat1 and mat2 shapes cannot be multiplied (1024x1 and 1024x3)的错误，记录下。一、报错如下 Traceback (most recent call last): File "mobilenet_v1.p