python - 如何计算 CNN 第一线性层的输入？

Question

所以，我得到了这个用 PyTorch 构建的 CNN 代码：CNN 代码1的图片

到目前为止，我已经能够通过在 forward 函数中打印 f5.shape 的最后两个维度的乘积来计算最后一个 conv1d 块（在本例中为 b5）之后的线性层（self.fc）的输入大小，但我需要自动化实验，我不能只打印每个测试的值并更改代码。

我的输入张量的大小也是可变的（我有信号作为我的数据，并且我使用一个窗口来获取每个样本的 X 个点，因此例如 1020 的窗口大小将导致我猜的 1020x1x3 张量，是一个 1D CNN 和我有 3 个输入通道）。

那么，如何使用此代码自动获取 self.n_features 参数（线性层的输入）？

标签： pythonpytorchconv-neural-network

Answer 1

一种方法是使用惰性版本nn.Linear，即nn.LazyLinear. 在你的情况下：

self.fc = nn.LazyLinear(n_class)

它将在第一层推理上初始化其权重。