我的归一化层，池化层，卷积层全连接层哪里出了问题

Question

不知道哪里出了问题，对归一化层，池化层，卷积层全连接层各层参数知道意思但是相互关系不是很了解

Answer 1

以下回复参考：皆我百晓生、券券喵儿等免费微信小程序作答:

根据您提供的代码和错误信息，问题似乎出现在卷积层（Conv2d）的输入尺寸与期望的尺寸不匹配。让我们一步步地分析问题。

首先，确保您正确理解了卷积层的输入输出尺寸的计算公式。一般来说，卷积层的输出尺寸可以通过以下公式计算：

输出尺寸 = (输入尺寸 - 卷积核尺寸 + 2 * padding) / 步长 + 1。这个公式能帮助您了解每个卷积层后输出的特征图尺寸。请确保您在每个卷积层后都正确地计算了输出尺寸，并确保下一层的输入尺寸与计算出的输出尺寸相匹配。

接下来，让我们看看您的代码中的错误。在图3和图4中，您的网络定义中有一个问题：self.fc1 = nn.Linear(128*8*8,256)。这里的输入尺寸128*8*8似乎是基于某个假设的，但实际上这个尺寸可能并不正确。您需要确保这个尺寸是基于某个卷积层的实际输出尺寸。假设您的输入图像尺寸为64x64，经过几次卷积和池化操作后，特征图的尺寸可能会发生变化。您需要确保self.fc1的输入尺寸与实际的特征图尺寸相匹配。

另外，错误信息中提到RuntimeError: Given groups=1, weight of size [32， 3， 3， 3]，expected input[2, 64， 15， 15] to have...。这表明在某个卷积层中，输入的尺寸与卷积核的尺寸不匹配。您需要检查卷积层的定义以及前面的网络结构，确保每个卷积层的输入尺寸与计算出的输出尺寸相匹配。

为了解决这个问题，您可以按照以下步骤操作：

1. 确保正确计算每个卷积层的输出尺寸。
2. 检查self.fc1的输入尺寸，确保它与实际的特征图尺寸相匹配。
3. 检查每个卷积层的定义和连接，确保输入尺寸与卷积核的尺寸相匹配。

如果您能提供更多关于网络结构和数据的信息，我可以更具体地帮助您解决问题。希望这些指导能对您有所帮助！