Python 是否可以在 PyTorch 中的 torch.nn.Sequential 中的 torch.nn.Flatten 之后自动调整层的后续输入

发布于05月18日

例如，如果我有以下模型类:

class MyTestModel(nn.Module):

    def __init__(self):
        super(MyTestModel, self).__init__()

        self.seq1 = nn.Sequential(
            nn.Conv2d(3, 6, 3),
            nn.MaxPool2d(2, 2),
            nn.Conv2d(6, 16, 3),
            nn.MaxPool2d(2, 2),
            nn.Flatten(),
            nn.Linear(myflattendinput(), 120), # how to automate this?
            nn.ReLU(),
            nn.Linear(120, 84),
            nn.ReLU(),
            nn.Linear(84, 2),
        )
        self.softmax = nn.Softmax(dim=1)

    def forward(self, x):

        x = self.seq1(x)
        x = self.softmax(x)
        return x

我知道，通常情况下，你会让数据加载器给模型提供一个固定大小的输入，这样在nn.Flatten()之后就有一个固定大小的层输入，但是我想知道你是否可以自动计算这个？