如何解决1D ResNet实现ECG QRS间期预测时mat1和mat2无法相乘错误

• 报错本质是全连接层的输入维度和实际传入的张量维度不匹配：你定义linear1时指定的输入维度是19968 * block.expansion（即79872），但经过前面的卷积、池化层计算后，展平得到的张量维度只有3584，矩阵乘法时维度无法对齐。
• 维度不匹配的根源是你对输入长度的计算出现偏差，我们可以逐层计算输入形状（输入初始形状为[32, 1, 950]，格式为[batch_size, channels, length]）：
  1. 第一层nn.AvgPool1d(1024, stride=2)：池化核大小1024大于输入长度950，无padding的情况下输出长度为1，输出形状[32, 1, 1]
  2. 后续卷积、池化层进一步处理后，在out.view(out.size(0), -1)展平后，得到的形状是[32, 3584]（报错里的1是batch维度，对应测试时batch_size为1的情况），和linear1要求的79872维输入完全不符
• 额外笔误：forward函数中F.rel是拼写错误，正确应为F.relu，不改会触发函数不存在的报错。

方法1：直接修正全连接层输入维度 #

你只需要将linear1的输入维度修改为实际展平后的维度即可，对应你的当前网络结构，修改代码为：

self.linear1 = nn.Linear(3584, 1024)

同时修正forward中的笔误：

out = F.relu(self.bn1(self.conv1(out)))

方法2：使用自适应池化实现维度自动适配（更通用） #

如果你后续会修改前面的卷积、池化参数，建议用自适应平均池化固定输出长度，避免每次都手动计算维度，修改方式如下：

1. 将forward中的固定核平均池化替换为自适应池化：

# 替换 out = F.avg_pool1d(out, 16)
out = F.adaptive_avg_pool1d(out, 1)

2. 调整linear1的输入维度为layer4的输出通道数（即1024 * expansion = 4096）：

self.linear1 = nn.Linear(4096, 1024)

可选优化建议 #

你当前第一层的平均池化核大小1024远大于输入长度950，会直接丢失所有时域细粒度信息，如果不是刻意设计的话，建议调小池化核大小，比如改为nn.AvgPool1d(3, stride=2, padding=1)，可以保留更多ECG信号的特征。

内容的提问来源于stack exchange，提问作者Sara De Luca