对1D张量执行Pooling操作调用MaxPool1d报错如何解决？

报错原因 #

PyTorch的nn.MaxPool1d要求输入张量维度为2或3维，对应[通道数, 序列长度]或[批量大小, 通道数, 序列长度]的格式，你传入的是形状为(768,)的1维张量，不符合输入维度要求，因此触发报错。

解决方法 #

你只需要给1维张量补充对应维度即可正常执行池化，修改后的可运行代码如下：

import numpy as np
import torch
import torch.nn as nn

A = np.random.rand(768)
# 定义池化层，核大小4步长4，长度缩短为原来的1/4
m = nn.MaxPool1d(4, 4)
A_tensor = torch.from_numpy(A).float()
# 补充通道维度，形状从(768,)变为(1, 768)，符合2维输入要求
A_tensor = A_tensor.unsqueeze(0)
output = m(A_tensor)
# 去掉冗余的通道维度，得到缩短后的1维张量，形状为(192,)
output_1d = output.squeeze()

批量场景适配 #

如果需要同时处理多条1D序列，可直接整理为[批量大小, 1, 序列长度]的3维格式传入池化层，输出结果批量维度会自动保留。

内容的提问来源于stack exchange，提问作者albusdemens