PyTorch Conv1d通道不匹配RuntimeError排查求助

问题描述 #

运行时错误：给定groups=1，权重尺寸为[16, 395, 3]，期望输入[1, 16, 395]有395个通道，但实际得到16个通道。

用户构建一维信号分类器，输入批次大小为16，每个信号张量长度为395，初始化模型时传入n_input=ex.shape[0]（ex.shape[0]=395），出现上述维度不匹配错误。

错误原因 #

PyTorch中nn.Conv1d的输入张量维度要求为(batch_size, in_channels, sequence_length)：

• 第二维是通道数，单通道一维信号的该值应为1
• 第三维是信号序列长度，对应你的395

你错误地将序列长度（395）设为输入通道数，同时输入数据维度为(16, 395)，相当于把序列长度放在了通道维度位置，导致模型期望395个通道，但实际输入的batch_size（16）被错误识别成了通道数，引发维度不匹配。

修正方案 #

1. 修正模型初始化参数 #

将n_input设为1（一维信号为单通道），而非ex.shape[0]：

model = M5(n_input=1, n_output=len(labels))

2. 调整输入数据维度 #

将输入张量从(batch_size, sequence_length)转换为(batch_size, 1, sequence_length)，通过增加通道维度实现：

# 假设输入数据为x，原形状是(16, 395)
x = x.unsqueeze(1)  # 转换后形状为(16, 1, 395)

3. 修正forward函数中的维度处理 #

原forward函数中x.permute(0,1)和F.log_softmax(x, dim=2)存在维度错误，修正如下：

def forward(self, x):
    x = self.conv1(x)
    x = F.relu(self.bn1(x))
    x = self.pool1(x)
    x = self.conv2(x)
    x = F.relu(self.bn2(x))
    x = self.pool2(x)
    x = self.conv3(x)
    x = F.relu(self.bn3(x))
    x = self.pool3(x)
    x = self.conv4(x)
    x = F.relu(self.bn4(x))
    x = self.pool4(x)
    x = F.avg_pool1d(x, x.shape[-1])
    x = x.squeeze(-1)  # 移除最后一个长度为1的维度，得到(batch, 2*n_channel)
    x = self.fc1(x)
    return F.log_softmax(x, dim=1)  # 按batch维度执行softmax

验证 #

修正后，模型第一层conv1的权重形状变为[16, 1, 3]，输入张量形状为(16,1,395)，完全符合Conv1d的维度要求，不会再出现通道不匹配错误。

内容的提问来源于stack exchange，提问作者Paul