PyTorch孪生网络实现疑问：view函数作用及替换CNN是否需保留

1. output = output.view(output.size()[0], -1)的作用 #

CNN模块输出的是4维张量，格式为(batch_size, 通道数, 特征图高度, 特征图宽度)，而后续的全连接层nn.Linear只接受2维输入（格式为(batch_size, 总特征数)）。

这条语句的核心就是特征展平：

• output.size()[0]固定住batch维度，保证每个样本的独立性；
• -1是让PyTorch自动计算剩余维度的总元素数，把每个样本的3维特征图（通道+高+宽）压缩成1维向量，刚好匹配全连接层的输入要求。

举个例子：如果CNN输出是(32, 256, 11, 11)，那view(32, -1)会自动把它转成(32, 256*11*11) = (32, 30976)，正好对应你定义的第一个全连接层nn.Linear(30976, 1024)的输入维度。

2. 替换为ResNet/VGG等网络时是否需要保留？ #

需要分情况看：

• 如果只使用骨干网络的特征提取部分（去掉原网络的全连接层）：
  比如你把ResNet的最后一层fc砍掉，只保留前面的卷积、池化模块，此时输出还是4维张量（和原来的CNN模块输出格式一致），这时候必须保留展平操作（view或者用更直观的torch.flatten(output, start_dim=1)），否则全连接层会报错维度不匹配。
• 如果直接用带全连接层的预训练网络，且不想自己定义fc层：
  这种情况很少出现在孪生网络里（孪生网络需要共享特征提取权重），但如果是直接用原网络的输出，那原网络内部已经做了展平（比如ResNet的avgpool之后会用view转成2维），这时候你就不需要额外加这条语句了。

总结：大部分孪生网络场景下，我们会用ResNet/VGG的backbone做特征提取，去掉原有的分类头，所以需要保留展平操作，只是要注意计算新的骨干网络输出的特征总长度，对应修改你自己定义的self.fc的第一个输入维度。

内容的提问来源于stack exchange，提问作者luân nguyễn