PyTorch中Conv1D与ConvTranspose1d输出尺寸不匹配问题求解

1. 维度计算错误的原因 #

你遇到的两个维度不匹配问题是连锁的，根源来自两步上采样层的参数配置不符合前向编码的尺寸逻辑：

• MaxUnpool1d输出少1位：前向编码中MaxPool1d的输入是长度为119的奇数长度序列，kernel_size=2, stride=2的配置下输出长度为ceil(119/2)=59，但MaxUnpool1d默认按输出长度=输入长度*stride计算，不指定output_size参数时只会输出59*2=118，直接少了1位。你只需要在调用MaxUnpool1d时补充output_size=(119,)参数即可得到预期的119长度输出。
• ConvTranspose1d输出少1位：这是上一步MaxUnpool1d输出错误导致的连锁问题。前向Conv1d的尺寸公式为L_out = L_in - kernel_size + 1（无padding、stride=1的情况下），对应的转置卷积要还原长度，公式为L_out = (L_in - 1)*stride + kernel_size + output_padding。当MaxUnpool1d输出正确的119长度时，你只需要把ConvTranspose1d的output_padding改为0，就可以得到150长度的输出。

修改后解码块的forward中MaxUnpool1d调用代码参考：

maxpool_out = self.maxunpool(upsamp_out, indices, output_size=(119,))

如果不想硬编码长度，也可以在编码器返回值中补充前向Conv1d输出的长度参数，传入解码器动态设置output_size。

2. 更优的全局平均池化反向实现方案 #

你当前的方案存在本质的信息丢失问题：全局平均池化是将每个通道的59个时序值求平均为1个值，完全丢弃了所有时序位置的分布信息，后续用最近邻上采样把单值复制59份的操作，无法恢复原始的时序特征分布，推荐优先采用以下两种方案替代：

• 方案一：移除GAP层，直接对MaxPool1d输出的[batch, 64, 59]特征压平后接全连接得到4维编码。解码时全连接层输出64*59维向量，reshape回[batch, 64, 59]后直接送MaxUnpool1d，不需要额外上采样，完全保留各个通道的时序位置信息，重构精度会明显提升。
• 方案二：如果必须保留GAP的结构，可将固定上采样替换为可学习的上采样层：把nn.Upsample换成nn.ConvTranspose1d(64, 64, kernel_size=59, stride=1)，或者用线性插值替代最近邻插值，减少上采样带来的特征畸变。
• 方案三：将全局平均池化替换为自适应平均池化，例如AdaptiveAvgPool1d(4)，将每个通道的59个点压缩为4个时序点，保留部分时序分布信息，解码时再上采样回59长度，效果远好于GAP后单值复制的方案。

内容的提问来源于stack exchange，提问作者Isaac