Conv1d 的以下实现有什么问题？

如何解决Conv1d 的以下实现有什么问题？

我正在尝试使用批量标准化实现 Conv1d 层，但我不断收到以下错误：

RuntimeError                              Traceback (most recent call last)
<ipython-input-32-ef6e122ea50c> in <module>()
----> 1 test()
      2 for epoch in range(1,n_epochs + 1):
      3   train(epoch)
      4   test()

7 frames
/usr/local/lib/python3.7/dist-packages/torch/nn/modules/conv.py in _conv_forward(self,input,weight,bias)
    258                             _single(0),self.dilation,self.groups)
    259         return F.conv1d(input,bias,self.stride,--> 260                         self.padding,self.groups)
    261 
    262     def forward(self,input: Tensor) -> Tensor:

RuntimeError: Expected 3-dimensional input for 3-dimensional weight [25,40,5],but got 2-dimensional input of size [32,40] instead

使用 DataLoader 类以 32 个批次传递数据，它有 40 个特征和 10 个标签。这是我的模型：

class MyModel(nn.Module):
    def __init__(self):
        super(MyModel,self).__init__()
        #self.flatten=nn.Flatten()
        self.net_stack=nn.Sequential(
            nn.Conv1d(in_channels=40,out_channels=25,kernel_size=5,stride=2),#applying batch norm
            nn.ReLU(),nn.Batchnorm1d(25,affine=True),nn.Conv1d(in_channels=25,out_channels=20,nn.Batchnorm1d(20,nn.Linear(20,10),nn.softmax(dim=1))

    def forward(self,x):
        #x=torch.reshape(x,(1,-1))
        result=self.net_stack(x)
        return result

我已经尝试在其他答案中给出，例如解压输入张量，但是这些问题中的模型都没有使用带有 batchnorm1d 的 Conv1d，因此我无法将问题缩小到必须导致错误的层。我刚刚开始使用 Pytorch，并且能够实现一个简单的线性 NN 模型，但是在对相同数据使用卷积 NN 时遇到了这个错误。

解决方法

您需要为输入添加批处理维度（并更改输入通道的数量）。

conv1d 层接受形状为 [B,C,L] 的输入，其中 B 是批量大小，C 是通道数，L 是宽度/输入的长度。此外，您的 conv1d 层需要 40 个输入通道：

nn.Conv1d(in_channels=40,out_channels=25,kernel_size=5,stride=2)

因此，您的输入张量 x 必须具有 [B,40,L] 形状，而现在它具有 [32,40] 形状。

试试：

def forward(self,x):
    result=self.net_stack(x[None])
    return result

您将收到另一个错误，抱怨维度不匹配，建议您将输入通道数更改为 40。