VGG16 在 Pytorch 上的实现给出了大小不匹配错误

Question

我在 PyTorch 上的代码实现片段是：

model = models.vgg16(pretrained = False)
classifier = nn.Sequential(
        nn.Linear(25088, 128),
        nn.ReLU(True),
        nn.Dropout(),
        nn.Linear(128, 128),
        nn.ReLU(True),
        nn.Dropout(),
        nn.Linear(128, 20)
)
model.classifier = classifier

我正在输入输入大小 (60x60x3) 和 batch_size = 30 的图像。

当我从 Linux (Ubuntu) 终端（使用 PyTorch 版本：1.0.0，Torchvision 版本：0.2.1）运行代码时，它给了我以下错误消息：

运行时错误：大小不匹配，m1：[30 x 512]，m2：[25088 x 128]

而当我在 Windows 上从 Spyder (Anaconda) 运行它时（使用 PyTorch 版本：1.0.1，Torchvision 版本：0.2.2），它运行完美。

我是否遗漏了什么，还是因为 Pytorch 和 Torchvision 中的某些版本不匹配？ 两者，我都在 Python 3.6 上运行。 请建议。

[更新：错误地交换了错误案例和无错误案例的版本号。 感谢@Manoj Mohan 指出]

Answer 1

大概是反过来吧。 事情在 torchvision 0.2.2 上完美运行，但在 torchvision 0.2.1 上失败。

使用 AdaptiveAvgPool2d 进入 0.2.2 的这种更改是您看不到错误的原因。 https://github.com/pytorch/vision/commit/83b2dfb2ebcd1b0694d46e3006ca96183c303706

>>> import torch
>>> model = models.vgg16(pretrained = False)
>>> x = torch.randn(1,3,60,60) # random image
>>> feat = model.features(x)
>>> flat_feat = feat.view(feat.size(0), -1) # flatten
>>> flat_feat.shape
torch.Size([1, 512])
>>> model.classifier(flat_feat)

RuntimeError: size mismatch, m1: [1 x 512], m2: [25088 x 4096] at /pytorch/aten/src/TH/generic/THTensorMath.cpp:940

您会看到大小不匹配的错误。 之后，自适应平均池化，一切正常。

>>> import torch.nn.functional as F
>>> avg = F.adaptive_avg_pool2d(feat, (7,7))
>>> avg = avg.view(avg.size(0), -1)
>>> output = model.classifier(avg)
>>> output.shape
torch.Size([1, 1000])