如何在nn.Sequential中添加Reshape层？GAN生成器报错求助

错误根源 #

1. torch.reshape无法直接放入nn.Sequential：torch.reshape是张量操作函数，并非nn.Module子类，而nn.Sequential仅接受可调用的模块类实例。你直接传入整数rdim作为第一个参数，自然触发类型错误。
2. BatchNorm层误用：Linear层输出是(batch_size, rdim)的2D张量，而BatchNorm2d要求输入为4D（batch, channels, height, width），这里应该用BatchNorm1d处理2D特征。

可行解决方案 #

方案1：使用nn.Unflatten（PyTorch 1.7+）

nn.Unflatten是官方提供的模块，专门用于在序列中完成维度展开，完美适配nn.Sequential。同时修正BatchNorm层和后续ConvTranspose2d的输入通道：

class Generator(nn.Module):
    def __init__(self, z_dim=100, im_chan=1, hidden_dim=64, rdim=9216):
        super(Generator, self).__init__()
        self.z_dim = z_dim
        # rdim = 256*6*6 = 9216，对应目标通道数256
        self.gen = nn.Sequential(
            nn.Linear(z_dim, rdim),
            nn.BatchNorm1d(rdim, momentum=0.9),  # 替换为BatchNorm1d适配2D输入
            nn.ReLU(inplace=True),
            nn.Unflatten(1, (256, 6, 6)),  # 将第1维（特征维）拆为(通道, 高, 宽)
            self.make_gen_block(256, hidden_dim*2),  # 输入通道改为256
            self.make_gen_block(hidden_dim*2, hidden_dim),
            self.make_gen_block(hidden_dim, im_chan, final_layer=True),
        )
    
    def make_gen_block(self, input_channels, output_channels, kernel_size=4, stride=2, final_layer=False):
        # 建议默认kernel_size设为4，否则stride=2可能导致输出尺寸异常，可根据你的架构调整
        if not final_layer:
            return nn.Sequential(
                nn.ConvTranspose2d(input_channels, output_channels, kernel_size, stride),
                nn.BatchNorm2d(output_channels),
                nn.ReLU(inplace=True)
            )
        else:
            return nn.Sequential(
                nn.ConvTranspose2d(input_channels, output_channels, kernel_size, stride),
                nn.Tanh()
            )
    
    def forward(self, noise):
        return self.gen(noise)  # Linear接受2D噪声，无需额外扩维

方案2：自定义Reshape模块（兼容低版本PyTorch）

如果你的PyTorch版本低于1.7，自定义一个简单的Reshape模块即可：

class Reshape(nn.Module):
    def __init__(self, shape):
        super().__init__()
        self.shape = shape
    
    def forward(self, x):
        # 保留batch维度，其余维度按指定形状调整
        return x.view(x.size(0), *self.shape)

然后在nn.Sequential中替换为：

self.gen = nn.Sequential(
    nn.Linear(z_dim, rdim),
    nn.BatchNorm1d(rdim, momentum=0.9),
    nn.ReLU(inplace=True),
    Reshape((256, 6, 6)),
    self.make_gen_block(256, hidden_dim*2),
    # 其余部分同方案1
)

额外修正点 #

• 原代码中unsqueeze_noise方法的self.zdim是拼写错误，应改为self.z_dim；且Linear层接受2D输入，无需将噪声扩维为4D。
• 测试代码中test_hidden_block的输入通道需与生成器实际通道对应，避免尺寸不匹配错误。

内容的提问来源于stack exchange，提问作者Chris Christian