PyTorch自动编码器图像压缩报错：mat1与mat2形状无法相乘

报错原因 #

报错mat1 and mat2 shapes cannot be multiplied (720x120 and 43200x512)的核心是输入张量与全连接层的形状不匹配：

• 你定义的第一层全连接层Linear(3*120*120, 512)，要求每个输入样本是43200维向量（对应3×120×120图像展平后的尺寸）。
• 但实际输入到该层的张量形状是(720, 120)，即每个样本仅120维，完全不符合层的输入要求。

你提到做了展平操作，大概率是展平方式错误——要么没保留批次维度，要么展平的维度顺序不对，甚至输入图像的维度格式本身就不符合PyTorch的标准要求。

解决方案 #

1. 正确在模型内完成展平 #

修改forward函数，从第1维度开始展平（第0维度是批次维度，必须保留），确保每个样本被展平为43200维。同时，解码后可以将向量还原为原始图像形状：

def forward(self, x):
    # 展平通道在前的图像张量：(batch_size,3,120,120) → (batch_size,43200)
    x = x.flatten(start_dim=1)
    encoded = self.encoder(x)
    decoded = self.decoder(encoded)
    # 将解码后的向量还原为图像形状
    decoded = decoded.reshape(-1, 3, 120, 120)
    return decoded

2. 确认输入图像的维度格式 #

确保输入张量是PyTorch标准的通道在前格式：(batch_size, 3, 120, 120)。如果你的数据是通道在后（比如(batch_size, 120, 120, 3)），需要先转置维度：

# 输入为通道在后格式时，先转成通道在前
x = x.permute(0, 3, 1, 2)

完整修改后的代码 #

class AE(torch.nn.Module):
    def __init__(self):
        super().__init__()
        
        self.encoder = torch.nn.Sequential(
            torch.nn.Linear(3*120*120, 512),
            torch.nn.ReLU(),
            torch.nn.Linear(512, 256),
            torch.nn.ReLU(),
            torch.nn.Linear(256, 128),
            torch.nn.ReLU(),
            torch.nn.Linear(128, 120)
        )
        
        self.decoder = torch.nn.Sequential(
            torch.nn.Linear(120, 128),
            torch.nn.ReLU(),
            torch.nn.Linear(128, 256),
            torch.nn.ReLU(),
            torch.nn.Linear(256, 512),
            torch.nn.ReLU(),
            torch.nn.Linear(512, 3*120*120),
            torch.nn.Sigmoid()
        )

    def forward(self, x):
        # 通道在前格式下展平
        x = x.flatten(start_dim=1)
        encoded = self.encoder(x)
        decoded = self.decoder(encoded)
        # 将解码后的向量还原为图像形状
        decoded = decoded.reshape(-1, 3, 120, 120)
        return decoded

额外说明 #

• 如果展平操作是在模型外完成的，要确保最终输入张量形状是(batch_size, 43200)，而非其他错误形状。
• 报错中的720是你的批次大小，120是错误的样本特征数，说明展平时误把图像的某一维度当成了样本维度，导致形状完全混乱。

内容的提问来源于stack exchange，提问作者Andrea