PyTorch CNN模型构建报错求助：维度不匹配问题解析

问题描述 #

尝试从零构建PyTorch CNN模型，仅使用一层卷积层时出现报错：

RuntimeError: mat1 and mat2 shapes cannot be multiplied (64x197136 and 2704x2704)

不确定单卷积层是否可行，同时不理解out.view(out.size(0),-1)的作用，相关代码如下：

# Craete a neural network from pytorch
class Cnn(nn.Module):
    def __init__(self):
        super(Cnn,self).__init__()
        
        self.layer1 = nn.Sequential(
            nn.Conv2d(in_channels=1, out_channels=16, kernel_size=3, padding=0, stride=2),
            nn.BatchNorm2d(num_features=16),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2)
        )

        
        self.fc1 = nn.Linear(3*3*16,10)
        self.dropout = nn.Dropout(0.5)
        self.fc2 = nn.Linear(10,2)
        self.relu = nn.ReLU()
        
        
    def forward(self,x):
        out = self.layer1(x)
        out = out.view(out.size(0),-1)
        out = self.fc1(out)
        out = self.relu(out)
        out = self.fc2(out)
        return out

1. 报错根源 #

报错核心是全连接层输入维度不匹配。你给fc1设定的输入维度是3*3*16，但经过卷积池化后，特征图展平后的实际维度是197136（对应batch_size=64时的64x197136），两者无法进行矩阵乘法运算。

以常见的224x224单通道输入为例，特征图尺寸计算过程：

• 卷积层输出尺寸：[(224 - 3 + 0)//2] +1 = 111 → 111x111x16
• MaxPool2d(kernel_size=2)后尺寸：111//2 = 55 → 55x55x16
• 展平后总特征数：55*55*16 = 48400，和你设定的3*3*16=144完全不符，这就是报错原因。

2. 单卷积层是否可行？ #

完全可行，但有两点要注意：

• 单卷积层的特征提取能力有限，针对猫狗分类这类复杂任务，最终模型精度会偏低；
• 只要保证卷积后展平的维度和全连接层输入维度一致，模型就能正常运行。

3. out.view(out.size(0),-1)的作用 #

这行代码是将多维特征图转换为全连接层要求的二维张量：

• out.size(0)代表batch_size（比如64），保留第一维度不变；
• -1是让PyTorch自动计算剩余维度的总元素数，把特征图的空间维度（比如55x55）和通道维度（16）合并成一个维度，最终得到[batch_size, 总特征数]的格式——这是全连接层唯一能处理的输入格式。

4. 修正后的代码示例 #

方式一：手动计算正确维度 #

针对224x224单通道输入，修正fc1的输入参数：

class Cnn(nn.Module):
    def __init__(self):
        super(Cnn,self).__init__()
        
        self.layer1 = nn.Sequential(
            nn.Conv2d(in_channels=1, out_channels=16, kernel_size=3, padding=0, stride=2),
            nn.BatchNorm2d(16),
            nn.ReLU(),
            nn.MaxPool2d(kernel_size=2)
        )

        # 手动计算后的正确维度：55*55*16=48400
        self.fc1 = nn.Linear(48400,10)
        self.dropout = nn.Dropout(0.5)
        self.fc2 = nn.Linear(10,2)
        self.relu = nn.ReLU()
        
    def forward(self,x):
        out = self.layer1(x)
        out = out.view(out.size(0),-1)
        out = self.fc1(out)
        out = self.relu(out)
        out = self.dropout(out)  # 建议在激活后加dropout，缓解过拟合
        out = self.fc2(out)
        return out

方式二：自适应池化固定输出（更灵活） #

用自适应池化固定特征图尺寸，避免手动计算的麻烦：

class Cnn(nn.Module):
    def __init__(self):
        super(Cnn,self).__init__()
        
        self.layer1 = nn.Sequential(
            nn.Conv2d(in_channels=1, out_channels=16, kernel_size=3, padding=0, stride=2),
            nn.BatchNorm2d(16),
            nn.ReLU(),
            # 自适应池化固定输出为3x3，展平后维度固定为3*3*16
            nn.AdaptiveMaxPool2d((3,3))
        )

        self.fc1 = nn.Linear(3*3*16,10)
        self.dropout = nn.Dropout(0.5)
        self.fc2 = nn.Linear(10,2)
        self.relu = nn.ReLU()
        
    def forward(self,x):
        out = self.layer1(x)
        out = out.view(out.size(0),-1)
        out = self.fc1(out)
        out = self.relu(out)
        out = self.dropout(out)
        out = self.fc2(out)
        return out

内容的提问来源于stack exchange，提问作者Auston Barboza