PyTorch多层神经网络分类7类花卉图像遇错误求助

一、解决张量形状不匹配错误 #

错误原因 #

输入图像是3通道32×32的张量（形状[128, 3, 32, 32]），但你初始化模型时将input_dim设为image_size = 32，未对图像做展平处理，导致第一层Linear的输入维度与实际输入形状不匹配，最终输出outputs的形状变成[128,3,32,1]，和labels的[128]无法匹配，触发loss计算错误。

修复步骤 #

1. 修正输入维度计算：图像展平后的总维度为3 * image_size * image_size = 3*32*32=3072，将input_dim设为该值，而非image_size。
2. 在forward中添加展平操作：把输入的4D张量（batch, channel, h, w）展平为2D张量（batch, total_features）。
3. 调整网络结构参数：7分类任务的output_dim应等于类别数7；同时不要用batch_size作为隐藏层维度（batch_size变化会导致网络结构变更），改用固定值。

修正后的模型代码：

import torch
import torch.nn as nn

number_of_classes = 7
image_size = 32
input_dim = 3 * image_size * image_size  # 展平后的输入维度：3*32*32=3072
num_hidden = [1024, 256]  # 自定义固定隐藏层维度
output_dim = number_of_classes  # 7分类任务输出维度为7

class MultiLayerNeuralNetwork(nn.Module):
    def __init__(self, input_dim, num_hidden, output_dim):
        super().__init__()
        # 第一层
        self.first_layer = nn.Linear(input_dim, num_hidden[0])
        nn.init.kaiming_uniform_(self.first_layer.weight, nonlinearity="relu")
        nn.init.constant_(self.first_layer.bias.data, 0)
        
        # 隐藏层
        self.hidden = nn.ModuleList()
        for k in range(len(num_hidden)-1):
            self.hidden.append(nn.Linear(num_hidden[k], num_hidden[k+1]))
            nn.init.kaiming_uniform_(self.hidden[k].weight, nonlinearity="relu")
            nn.init.constant_(self.hidden[k].bias.data, 0)
        
        # 输出层：分类任务用xavier初始化更合适
        self.output_layer = nn.Linear(num_hidden[-1], output_dim)
        nn.init.xavier_uniform_(self.output_layer.weight)
        nn.init.constant_(self.output_layer.bias.data, 0)

    def forward(self, x):
        # 展平：[batch, 3, 32, 32] -> [batch, 3*32*32]
        x = x.flatten(start_dim=1)
        x = torch.nn.functional.relu(self.first_layer(x))
        for layer in self.hidden:
            x = torch.nn.functional.relu(layer(x))
        # 输出层直接输出logits，交给loss函数处理
        x = self.output_layer(x)
        return x

multi_layer_nn_model = MultiLayerNeuralNetwork(input_dim, num_hidden, output_dim)

4. 匹配loss函数与标签：使用CrossEntropyLoss，它要求输入为[batch, num_classes]的logits，标签为[batch]的类别索引（0-6，对应1-7的类别），正好适配你的labels形状：

   loss_function = nn.CrossEntropyLoss()
   

二、解决输出对应1-7类别的问题 #

问题分析 #

之前用sigmoid导致输出区间异常，7分类任务需要输出每个类别的概率分布，应通过softmax将logits转换为[0,1]区间的概率（每个样本概率和为1），再映射到1-7的类别。

处理步骤 #

1. 训练阶段：模型输出logits即可，CrossEntropyLoss内部会自动计算softmax，无需手动添加。
2. 推理阶段：对输出logits做softmax，取概率最大的类别索引后加1，得到1-7的类别：

   outputs = multi_layer_nn_model(input_images)
   probabilities = torch.nn.functional.softmax(outputs, dim=1)
   predicted_classes = torch.argmax(probabilities, dim=1) + 1  # 从0-6转为1-7
   

额外注意事项 #

• 避免用batch_size定义隐藏层维度：这会导致batch_size变化时网络结构变更，需改用固定数值（如1024、256）。
• 输出层初始化：分类任务的输出层不要用针对relu的kaiming初始化，xavier初始化更适配logits输出。

内容的提问来源于stack exchange，提问作者Gökenaz Akyol