RuntimeError通道不匹配：如何修改PyTorch模型适配3通道输入？

报错原因 #

模型第一个卷积层conv1定义的输入通道数为1，但你输入的是3通道RGB图像，导致维度不匹配触发RuntimeError。同时原模型的全连接层是针对小尺寸输入（如MNIST的28×28）设计的，需要适配224×224的输入尺寸。

修改步骤 #

1. 调整第一个卷积层的输入通道
   将conv1的输入通道从1改为3，匹配3通道输入：

   self.conv1 = nn.Conv2d(3, 20, 5, 1)
   

2. 重新计算全连接层的输入维度
   针对224×224的输入，逐层推导特征图尺寸：

   • 经过conv1（核大小5，步长1，无padding）：224 - 5 + 1 = 220，再经过max_pool2d(2,2)后尺寸变为220//2 = 110
   • 经过conv2（核大小5，步长1）：110 - 5 + 1 = 106，再经过max_pool2d(2,2)后尺寸变为106//2 = 53
   • 最终特征图尺寸为53×53，通道数50，因此全连接层fc1的输入维度应为53*53*50

3. 修改全连接层与视图转换
   更新fc1的输入特征数，并同步调整view的维度：

   self.fc1 = nn.Linear(53*53*50, 500)
   # forward中对应修改
   x = x.view(-1, 53*53*50)
   

修改后的完整代码 #

import torch
import torch.nn as nn
import torch.nn.functional as F

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        # 适配3通道输入
        self.conv1 = nn.Conv2d(3, 20, 5, 1)
        self.conv2 = nn.Conv2d(20, 50, 5, 1)
        # 适配224×224输入的全连接层维度
        self.fc1 = nn.Linear(53*53*50, 500)
        self.fc2 = nn.Linear(500, 10)

    def forward(self, x):
        x = F.relu(self.conv1(x))
        x = F.max_pool2d(x, 2, 2)
        x = F.relu(self.conv2(x))
        x = F.max_pool2d(x, 2, 2)
        x = x.view(-1, 53*53*50)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return F.log_softmax(x, dim=1)

可选方案（不推荐） #

如果想保留原模型的全连接层结构，可在conv1前添加1×1卷积层将3通道转为1通道，但会丢失RGB通道信息：

# __init__中新增
self.conv0 = nn.Conv2d(3, 1, 1, 1)
# forward中先执行
x = self.conv0(x)

内容的提问来源于stack exchange，提问作者seni