import torch
import torch.nn as nn
from torch.autograd import Variable
m = Variable(torch.randn(3, 10, 20))
nn.Conv2d(in_channels=3, out_channels=8, kernel_size=3)(m)
Traceback (most recent call last):
File "too.py", line 6, in <module>
nn.Conv2d(in_channels=3, out_channels=8, kernel_size=3)(m)
File "/home/soumith/code/pytorch/torch/nn/modules/module.py", line 206, in __call__
result = self.forward(*input, **kwargs)
File "/home/soumith/code/pytorch/torch/nn/modules/conv.py", line 237, in forward
self.padding, self.dilation, self.groups)
File "/home/soumith/code/pytorch/torch/nn/functional.py", line 43, in conv2d
return f(input, weight, bias)
RuntimeError: expected 3D tensor
刚刚使用具有形状(batch_size,height,weight)的数据遇到了类似的问题,在位置 1 处添加了 1 个维度并对问题进行了排序。 PS。 我正在使用 in_channels = 1。
发生错误是因为在torch/csrc/autograd/functions/convolution.cpp
中对view4d
的调用期望权重张量也是 3D。
但是,(3D) 输入将被转换为形状为 (3, 10, 1, 20) 的 4D 张量,即使我们不尝试解压权重张量,大小也会不匹配。
也许我们应该在 Python 级别添加一个检查(在nn.functional.conv2d
中)以提高 if input.dim() != 4
?
@sumith如果您对此感到满意,我可以发送 PR
是的! 对此非常满意。 发送公关 :)
最有用的评论
是的! 对此非常满意。 发送公关 :)