PyTorch1.4.0下Conv2d在Python2.7/3前向传播兼容性报错问题

• PyTorch 1.4.0是官方最后一个支持Python 2.7的正式版本，该版本面向Python 3新增的易用性特性，没有同步合入Python 2.7的构建分支。
• Python 3环境下的nn.Conv2d实现自带输入维度隐式适配逻辑：传入3维输入时，会默认将输入按(输入通道C, 特征高度H, 特征宽度W)解析，自动在最外层补充大小为1的批次维度（等价于隐式调用unsqueeze(0)），卷积计算完成后再自动移除补充的批次维度返回结果，因此3维输入可以直接运行。
• Python 2.7环境下的nn.Conv2d未搭载上述适配逻辑，严格要求输入必须符合(批次大小N, 输入通道C, 特征高度H, 特征宽度W)的4维规范，传入3维输入时会直接抛出维度不匹配的运行时错误。
• 两个环境中torch.rand(1, 4).unsqueeze(-1)生成的张量形状完全一致，均为[1, 4, 1]的3维张量，unsqueeze接口本身不存在跨Python版本的行为差异。

不要依赖框架的隐式维度适配，在所有环境下显式将输入整理为nn.Conv2d要求的4维格式即可，兼容双环境的代码写法如下：

import torch
import torch.nn as nn

c = nn.Conv2d(1, 1, (2, 1), stride=1)
x = torch.rand(1, 4).unsqueeze(-1)
# 显式补充通道维度，将输入调整为标准4维格式 (N=1, C=1, H=4, W=1)
x = x.unsqueeze(1)
y = c(x)
# 若需要和Python3隐式适配返回的3维结果格式对齐，可显式移除批次维度
y = y.squeeze(0)

上述代码在Python 2.7 + PyTorch 1.4.0、Python 3环境下均可正常运行，输出结果格式完全一致。

额外说明：Python 2.7已停止官方维护多年，PyTorch后续版本也完全移除了对Python 2的支持，条件允许的话建议直接迁移到Python 3环境，可避免大量同类兼容性问题。

内容的提问来源于stack exchange，提问作者Seif eddine Seghiri