卷积融合操作遇IndexError与RuntimeError问题求助

问题描述 #

执行卷积融合时先后遇到两个错误：

• 初始报错：IndexError: too many indices for tensor of dimension 2
• 修改索引后报错：RuntimeError: shape '[10, 1024, 1, 7, 7]' is invalid for input of size 2020

相关代码如下：

class Net(nn.Module):
    def __init__(self):
        super(Net, self).__init__()
        self.spat_feature = spat_model # 预期输出维度：Nx512x7x7
        self.temp_feature = temp_model # 预期输出维度：Nx512x7x7
        self.layer1       = nn.Sequential(nn.Conv3d(1024, 512, 1, stride=1, padding=1, dilation=1,bias=True),
                                   nn.ReLU(),nn.MaxPool3d(kernel_size=2,stride=2))
        self.fc           = nn.Sequential(nn.Linear(8192,2048), nn.ReLU(), nn.Dropout(p=0.85),
                                        nn.Linear(2048, 512), nn.ReLU(), nn.Dropout(p=0.85),
                                        nn.Linear(512, 101))
        
    def forward(self,spat_data,temp_data):
        x1       = self.spat_feature(spat_data)
        x2       = self.temp_feature(temp_data)
        
        y        = torch.cat((x1,x2), dim= 1)
        for i in range(x1.size(1)):
            #y[i] = self.m[i](y[i])
            y[:,(2*i),:,:]   = x1[:,i,:,:] # 尝试过把四个冒号改成两个
            y[:,(2*i+1)] = x2[:,i,:,:] # 尝试过把四个冒号改成两个
            
        y        = y.view(y.size(0), 1024, 1, 7, 7)
        cnn_out  = self.layer1(y)
        cnn_out  = cnn_out.view(cnn_out.size(0),-1)
        out      = self.fc(cnn_out)
        return out

报错详情 #

第一个错误Traceback

Traceback (most recent call last): File "conv_fusion.py", line 345, in model = train_model(model, criterion, optimizer,scheduler, num_epochs=20) File "conv_fusion.py", line 167, in train_model outputs = model(spat_data, temp_data) File "/home/el304/.local/lib/python3.6/site-packages/torch/nn/modules/module.py", line 1102, in _call_impl return forward_call(input, **kwargs) File "conv_fusion.py", line 263, in forward y[:,(2i),:,:] = x1[:,i,:,:] IndexError: too many indices for tensor of dimension 2

修改索引后的错误

RuntimeError: shape '[10, 1024, 1, 7, 7]' is invalid for input of size 2020

错误原因及修复方案 #

1. 第一个错误的核心原因 #

• 你假设spat_model和temp_model输出是[N,512,7,7]，但实际它们的输出是2维张量（比如[N, 512*7*7]），导致torch.cat后的y也是2维，此时用4个索引访问2维张量自然报错。
• 另外，你已经通过torch.cat((x1,x2), dim=1)完成了通道维度的拼接，后续的循环赋值完全是冗余操作，毫无意义。

2. 第二个错误的核心原因 #

• 当你移除索引后，y的总元素数只有2020，但你试图将其reshape为[10,1024,1,7,7]（总元素数为10*1024*7*7=491520），两者大小完全不匹配，本质还是spat_model/temp_model的输出维度和预期不符。

修复步骤 #

步骤1：验证特征提取模型的输出维度

在forward函数中添加打印语句，确认x1和x2的实际shape：

def forward(self,spat_data,temp_data):
    x1       = self.spat_feature(spat_data)
    x2       = self.temp_feature(temp_data)
    # 打印实际维度，确认是否符合预期[N,512,7,7]
    print("x1 shape:", x1.shape)
    print("x2 shape:", x2.shape)
    # ... 后续代码

如果输出是2维，检查spat_model和temp_model的结构，看是否不小心添加了flatten或全连接层将张量拉平，需要调整模型输出为4维特征图。

步骤2：删除冗余的循环赋值代码

直接删掉这段无意义的循环，保留torch.cat的拼接逻辑即可：

# 移除以下错误且冗余的代码块
# for i in range(x1.size(1)):
#     y[:,(2*i),:,:]   = x1[:,i,:,:]
#     y[:,(2*i+1)] = x2[:,i,:,:]

步骤3：正确转换为3D卷积所需维度

用unsqueeze添加depth维度（比view更安全，避免张量不连续的问题）：

# 替换原来的view语句
y = y.unsqueeze(2)  # 将[N,1024,7,7]转换为[N,1024,1,7,7]

步骤4：验证全连接层输入维度

经过layer1的3D卷积和池化后，输出shape应为[N,512,1,4,4]，展开后元素数为512*1*4*4=8192，与你定义的全连接层输入一致，这部分无需修改。

内容的提问来源于stack exchange，提问作者方耀廷