使用PyTorch搭建简单神经网络报错：RuntimeError: mat2 must be a matrix, got 1-D tensor

问题根源 #

报错的核心原因是nn.Linear层的权重参数维度不符合要求：当你定义nn.Linear(in_features=1, out_features=1)时，该层的权重需要是二维张量，形状固定为(out_features, in_features)也就是(1,1)，但你初始化时用torch.rand(1)生成的是一维张量，导致矩阵乘法运算时维度不匹配，触发报错。

修复步骤 #

1. 修正权重初始化代码，将weight = torch.rand(1)改为weight = torch.rand(1, 1)，确保权重是符合要求的二维矩阵。
2. 你的输入张量input = torch.tensor([1.]).view(-1,1)已经处理成了二维形状(1,1)，这部分逻辑正确，无需修改。

完整修正代码 #

import torch
import torch.nn as nn

class MyNeuralNetwork(nn.Module):
    def __init__(self):
        super(MyNeuralNetwork, self).__init__()
        self.layer=nn.Linear(in_features=1, out_features=1, bias=True)
        
        # 修正权重维度为(1,1)，匹配nn.Linear的参数要求
        weight = torch.rand(1, 1)
        bias = torch.rand(1)
        self.layer.weight = nn.Parameter(weight)
        self.layer.bias = nn.Parameter(bias)
    
    def forward(self, input):
        output = self.layer(input)
        return output
    
model = MyNeuralNetwork().to("cpu")
print(model)

print(f"weight : {model.layer.weight}")
print(f"bias : {model.layer.bias}")

input = torch.tensor([1.]).view(-1,1)
out = model(input)
print(out)
# 完整数据集的输入可以这样处理：
x = torch.tensor([1.,2.,3.,4.,5.,6.]).view(-1,1)
y = torch.tensor([3.,6.,9.,12.,15.,18.]).view(-1,1)

额外优化说明 #

如果你想直接将权重初始化为目标值w=3、偏置b=0，可以把初始化代码改成：

weight = torch.tensor([[3.]])  # 必须保持二维张量格式
bias = torch.tensor([0.])
self.layer.weight = nn.Parameter(weight)
self.layer.bias = nn.Parameter(bias)

内容的提问来源于stack exchange，提问作者Umgee