CNN适配CIFAR10时遇矩阵维度不匹配RuntimeError求助

错误核心原因 #

你遇到的RuntimeError: mat1 and mat2 shapes cannot be multiplied (32x400 and 600x120)，本质是全连接层fc1的输入维度和定义不匹配：

• 经过卷积+池化后，每个样本的特征被展平成了400维（对应batch_size=32时的32x400）
• 但你定义的fc1 = nn.Linear(600, 120)要求输入是600维，导致矩阵乘法无法执行。

特征维度计算过程（关键） #

CIFAR10输入是32x32x3的图片，一步步推导特征图尺寸：

1. conv1 + 池化：
   • conv1 = nn.Conv2d(3,6,5)：无padding、stride=1，输出尺寸 = 32 -5 +1 =28 → 特征图为28x28x6
   • 经过MaxPool2d(2,2)：尺寸减半 → 14x14x6
2. conv2 + 池化：
   • conv2 = nn.Conv2d(6,16,5)：输出尺寸 = 14 -5 +1=10 → 特征图为10x10x16
   • 经过MaxPool2d(2,2)：尺寸减半 → 5x5x16
3. 展平后：5*5*16 =400 → 每个样本对应400维特征，batch_size=32时就是32x400

解决方案 #

方案1：直接修正全连接层输入维度（最简单） #

把fc1的输入维度改成计算出的400，同时可以去掉冗余的全连接层过渡（fc2→fc3的2维映射没必要）：

class Network(nn.Module):
    def __init__(self):
        super(Network, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        # 修正fc1的输入维度为400
        self.fc1 = nn.Linear(400, 120)
        # 直接从120维映射到10个分类，去掉冗余的fc2、fc3层级
        self.fc2 = nn.Linear(120, 10)
        self.flatten = nn.Flatten(1)
    
    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        x = self.flatten(x)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x

方案2：用AdaptiveMaxPool调整特征图尺寸（适配自定义输入维度） #

如果你坚持要让fc1输入为特定维度（比如接近你原本想的600），可以在展平前加AdaptiveMaxPool2d，把特征图调整到合适尺寸（需满足通道数 * 高 * 宽 = 目标输入维度）：

class Network(nn.Module):
    def __init__(self):
        super(Network, self).__init__()
        self.conv1 = nn.Conv2d(3, 6, 5)
        self.pool = nn.MaxPool2d(2, 2)
        self.conv2 = nn.Conv2d(6, 16, 5)
        # 新增自适应池化，把特征图调整为6x6
        self.adaptive_pool = nn.AdaptiveMaxPool2d((6,6))
        # 16*6*6=576，对应fc1的输入维度
        self.fc1 = nn.Linear(576, 120)
        self.fc2 = nn.Linear(120, 10)
        self.flatten = nn.Flatten(1)
    
    def forward(self, x):
        x = self.pool(F.relu(self.conv1(x)))
        x = self.pool(F.relu(self.conv2(x)))
        # 加自适应池化调整特征图尺寸
        x = self.adaptive_pool(x)
        x = self.flatten(x)
        x = F.relu(self.fc1(x))
        x = self.fc2(x)
        return x

额外注意点 #

• 你定义了归一化transform但实际加载数据集时没用到，建议统一：cifar10 = torchvision.datasets.CIFAR10(root='./data', download=True, transform=transform)
• CIFAR10实际包含60000张图，你代码里的pivot=40000划分训练/验证集是合理的。

内容的提问来源于stack exchange，提问作者rzan1