输入图像尺寸变更时的CNN架构调整方法咨询

错误原因 #

报错是因为输入图像尺寸变更后，卷积+池化后的特征图尺寸改变，但全连接层fc1的输入维度仍沿用32×32图像计算的固定值16*5*5=400，和实际输出的16*6*6=576不匹配，导致矩阵乘法无法执行。

针对36×36图像的直接修改 #

修改fc1的输入维度为重新计算后的16*6*6=576，调整后的代码如下：

class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        # 修改fc1输入维度为16*6*6=576
        self.fc1 = nn.Linear(16 * 6 * 6, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 15)
        
    def forward(self, x):
        x = self.pool(F2.relu(self.conv1(x)))
        x = self.pool(F2.relu(self.conv2(x)))
        x = torch.flatten(x, 1) # 展平除batch外的所有维度
        x = F2.relu(self.fc1(x))
        x = F2.relu(self.fc2(x))
        x = self.fc3(x)
        return x

通用适配任意输入尺寸的方法 #

如果后续需要频繁调整输入图像尺寸，推荐用自适应池化层替代固定步长的MaxPool，强制将卷积后的特征图统一为固定尺寸（比如5×5），这样全连接层的输入维度无需修改，代码调整如下：

class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        # 替换为自适应最大池化，指定输出尺寸为(5,5)
        self.adaptive_pool = nn.AdaptiveMaxPool2d((5, 5))
        self.conv2 = nn.Conv2d(6, 16, 5)
        # 保持原有的16*5*5输入维度
        self.fc1 = nn.Linear(16 * 5 * 5, 120)
        self.fc2 = nn.Linear(120, 84)
        self.fc3 = nn.Linear(84, 15)
        
    def forward(self, x):
        x = F2.relu(self.conv1(x))
        x = self.adaptive_pool(x)
        x = F2.relu(self.conv2(x))
        x = self.adaptive_pool(x)
        x = torch.flatten(x, 1)
        x = F2.relu(self.fc1(x))
        x = F2.relu(self.fc2(x))
        x = self.fc3(x)
        return x

特征图尺寸手动计算方法 #

若需自行计算卷积池化后的尺寸，可参考以下公式：

• 卷积层输出尺寸：(输入尺寸 - 卷积核尺寸 + 2*填充)/步长 + 1（默认padding=0，stride=1）
• 池化层输出尺寸：输入尺寸/步长（输入尺寸能被步长整除时）

以36×36输入为例：

1. 经过conv1(核5)：(36-5)+1=32 → 32×32
2. 经过MaxPool2d(2,2)：32/2=16 →16×16
3. 经过conv2(核5)：(16-5)+1=12 →12×12
4. 经过MaxPool2d(2,2)：12/2=6 →6×6
5. 展平后维度：16*6*6=576

内容的提问来源于stack exchange，提问作者Varun Khare