PyTorch GAN尺寸不匹配报错，求问数值13456的来源

13456的产生原因 #

这个数字是判别器输出张量展平后的总元素数量，计算方式为：batch_size × 判别器最后一层特征图的高度 × 特征图的宽度。

你的batch_size是16，13456 ÷ 16 = 841 = 29²，说明判别器最后输出的特征图尺寸是29×29，没有被压缩到1×1的维度。计算BCELoss时，这个(16,1,29,29)的张量会被自动展平成(13456,1)，而你的标签是(16)的一维张量，两者尺寸不匹配，因此触发报错。

出现29×29特征图的核心原因是：原教程的判别器是针对64×64图片设计的，你换成512×512图片后未调整卷积结构——原教程通过几次stride=2的卷积下采样，能把64×64图片压缩到1×1，但512×512尺寸需要更多下采样步骤，现有卷积层数不足，导致特征图未能完全压缩。

解决方法 #

你可以任选一种方式修复：

• 统一图片尺寸：在数据加载时把512×512图片resize到64×64，和原教程输入尺寸一致，判别器无需修改即可正常输出1×1特征图。
• 修改判别器结构：增加若干层stride=2的卷积层，确保经过多次下采样后特征图最终压缩到1×1。比如针对512×512输入，需要至少7次stride=2的下采样才能将尺寸从512降至1。
• 自适应池化：在判别器最后一层卷积后添加nn.AdaptiveAvgPool2d(1)，不管输入图片尺寸如何，都会输出1×1的特征图，保证输出张量形状为(16,1,1,1)，展平后与标签尺寸匹配。

内容的提问来源于stack exchange，提问作者easonoob