LibTorch前向传播结果异常：输出维度不符及数值异常排查

1. 输出张量维度错误的原因及修复 #

你当前的前向传播代码中，调用fc1->forward(x)时没有将返回结果赋值给x，导致后续的log_softmax是在原本240维的张量上计算，自然输出240个值，而非预期的2个。

修复后的前向传播代码：

x = torch::relu(torch::max_pool2d(conv1->forward(x), 2)); // 15 x 86x86
x = torch::relu(torch::max_pool2d(conv2->forward(x), 2)); // 30 x 42x42
x = torch::relu(torch::max_pool2d(conv3->forward(x), 2)); // 60 x 20x20
x = torch::relu(torch::max_pool2d(conv4->forward(x), 2)); // 120 x 9x9
x = torch::relu(conv5->forward(x)); // 240 x 7x7
x = torch::avg_pool2d(x, 7); // 240 x 1
x = x.view({ -1, 240 });
x = fc1->forward(x); // 关键：将全连接层的输出赋值给x
x = torch::log_softmax(x, /*dim=*/1);
return x;

2. 正确获取前向传播原始输出的方式 #

（1）避免直接用BYTE*访问张量数据 #

PyTorch的张量默认存储类型是float32（单精度浮点数），直接强制转换为BYTE*会导致浮点数被截断为字节值，得到的5、170这类数值完全没有意义。应该用对应类型的指针访问：

float* dataptr = (float*)x.data_ptr();
// 例如访问第一个元素
float first_val = dataptr[0];

（2）获取不同阶段的原始输出 #

• 如果要获取全连接层的原始输出（未经过log_softmax），可以在log_softmax前保存：

  x = fc1->forward(x);
  torch::Tensor fc_output = x.clone(); // 保存全连接层原始输出
  x = torch::log_softmax(x, /*dim=*/1);
  

• 如果要获取更前面卷积/池化层的输出，同理在对应步骤后克隆张量即可。

内容的提问来源于stack exchange，提问作者Dirk10000