PyTorch多输入模型输入输出特征定义及维度错误排查

先针对你的模型维度疑问和报错问题逐一解答：

1. ResNet50全连接层与分支维度的关系 #

ResNet50原模型的最后全连接层Linear(in_features=2048, out_features=1000)是用于ImageNet分类的输出层，但你代码中通过list(models.resnet50().children())[:-1]已经去掉了这个全连接层，保留的是特征提取部分（到平均池化层为止），这部分输出的特征维度是torch.Size([1,2048,1,1])，展平后为2048维。

• self.landmark_features的最后输出维度不需要强制设为1000，这个维度可以根据任务需求自由调整，和原ResNet的分类输出维度无绑定关系。
• self.combined_features的第一层Linear的in_features必须等于图像分支展平后的维度 + 关键点分支输出的维度，而非固定为1000。

2. 关键点分支第一层输入维度的正确性 #

关键点输入尺寸为[1,96]，代表每个样本的特征是96维，所以self.landmark_features第一层Linear(in_features=96)的设置是完全正确的——Linear层的in_features必须和输入特征维度严格匹配。

3. 维度错误（1x3048 vs 1000x512）的原因 #

报错里的3048是图像分支展平维度 + 关键点分支输出维度的总和：

• 图像分支经self.image_features后输出为torch.Size([1,2048,1,1])，通过a.view(a.size(0), -1)展平后变成[1,2048]
• 关键点分支经self.landmark_features后输出为[1,1000]
• 两者拼接后维度为1*(2048+1000)=1*3048

而你设置的self.combined_features第一层是Linear(1000,512)，它期望输入维度为1000，但实际输入是3048，维度不匹配导致矩阵乘法报错。

修复方案 #

只需把self.combined_features的第一层Linear的in_features改为3048即可：

self.combined_features = nn.Sequential(
    nn.Linear(3048, 512),  # 修改为图像分支+关键点分支的总维度：2048+1000=3048
    nn.ReLU(),
    nn.Linear(512, 32),
    nn.ReLU(),
    nn.Linear(32,1))

你也可以调整self.landmark_features的最后输出维度（比如改为2048），只要保证拼接后的总维度和combined_features第一层的in_features一致即可。

内容的提问来源于stack exchange，提问作者A_Inb