ฉันกำลังพยายามใช้ Convolutional LSTM เพียงเซลล์เดียวและส่งเทนเซอร์ (1,3,128,128) เข้าไป ฉันได้รับข้อผิดพลาดขนาดไม่ตรงกัน
class ConvLSTMCell(nn.Module):
def __init__(self, input_size, input_dim, hidden_dim, kernel_size, bias):
"""
Parameters
----------
input_size: (int, int)
Height and width of input tensor as (height, width).
input_dim: int
Number of channels of input tensor.
hidden_dim: int
Number of channels of hidden state.
kernel_size: (int, int)
Size of the convolutional kernel.
bias: bool
Whether or not to add the bias.
"""
super(ConvLSTMCell, self).__init__()
self.height, self.width = input_size
self.input_dim = input_dim
self.hidden_dim = hidden_dim
self.kernel_size = kernel_size
# self.padding = kernel_size[0] // 2, kernel_size[1] // 2
self.bias = bias
self.conv = nn.Conv2d(in_channels=self.input_dim + self.hidden_dim,
out_channels=4 * self.hidden_dim,
kernel_size=self.kernel_size,
#padding=self.padding,
bias=self.bias)
def forward(self, input, prev_state):
h_prev, c_prev = prev_state
print('x: {}\nh_prev: {}\nc_prev: {}'.format(x.size(), h_prev.size(), c_prev.size()))
combined = torch.cat((input, h_prev), dim=1) # concatenate along channel axis
print('combined: {}'.format(combined.size()))
combined_conv = self.conv(combined)
print('combined_conv: {}'.format(combined_conv.size()))
cc_i, cc_f, cc_o, cc_g = torch.split(combined_conv, self.hidden_dim, dim=1)
print('cc_i: {}\ncc_f: {}\ncc_o: {}\ncc_g: {}'.format(cc_i.size(), cc_f.size(), cc_o.size(), cc_g.size()))
i = torch.sigmoid(cc_i)
f = torch.sigmoid(cc_f)
o = torch.sigmoid(cc_o)
g = torch.tanh(cc_g)
print('i: {}\nf: {}\no: {}\ng: {}'.format(i.size(), f.size(), o.size(), g.size()))
c_cur = f * c_prev + i * g
h_cur = o * F.tanh(c_cur)
print('c_cur: {}\nh_cur: {}'.format(c_cur.size(), h_cur.size()))
return h_cur, c_cur
def init_hidden(self, batch_size):
return (Variable(torch.zeros(batch_size, self.hidden_dim, self.height, self.width)),
Variable(torch.zeros(batch_size, self.hidden_dim, self.height, self.width)))
x = torch.randn(1,3,128,128)
model = ConvLSTMCell(input_size=(128,128), input_dim=3, hidden_dim=3, kernel_size=(5,5),
bias=True)
hc = model.init_hidden(batch_size=1)
if gpu:
x.cuda()
model.cuda()
hc.cuda()
out = model(x, hc)
print(out.size())
ฉันได้รับข้อผิดพลาดต่อไปนี้:
x: คบเพลิง.ขนาด([1, 3, 128, 128])
h_prev: torch.Size([1, 3, 128, 128])
c_prev: torch.Size([1, 3, 128, 128])
รวม: คบเพลิง.ขนาด([1, 6, 128, 128])
integrated_conv: torch.Size([1, 12, 124, 124])
cc_i: torch.Size([1, 3, 124, 124])
cc_f: torch.Size([1, 3, 124, 124])
cc_o: torch.Size([1, 3, 124, 124])
cc_g: ไฟฉายขนาด ([1, 3, 124, 124])
i: คบเพลิง.ขนาด([1, 3, 124, 124])
f: ไฟฉายขนาด ([1, 3, 124, 124])
o: ไฟฉายขนาด ([1, 3, 124, 124])
g: ไฟฉายขนาด ([1, 3, 124, 124])
Traceback (การโทรล่าสุดครั้งล่าสุด):
ไฟล์ Trial.py บรรทัด 87 นิ้ว
ออก = รุ่น (x, hc)
ไฟล์ /Users/abcde/opt/anaconda3/envs/matrix/lib/python3.7/site-packages/torch/nn/modules/module.py บรรทัด 541 ใน การโทร
result = self.forward(*input, **kwargs)
ไฟล์ Trial.py บรรทัด 66 ข้างหน้า
c_cur = f * c_prev + i * g
RuntimeError: ขนาดของเทนเซอร์ a (124) ต้องตรงกับขนาดของเทนเซอร์ b (128) ที่ไม่ใช่ซิงเกิลตัน › มิติ 3
ฉันต้องการสร้างเครือข่าย 17 เซลล์โดยใช้สิ่งนี้ และฉันต้องการใช้เอาต์พุตของทุกเซลล์เพื่อคำนวณการสูญเสียเทียบกับความจริงภาคพื้นดิน ความจริงภาคพื้นดินมี 18 (3,128,128) ภาพ
ฉันจะทำให้เครือข่ายของฉันแสดงสถานะที่ซ่อนอยู่ซึ่งมีขนาดเท่ากันได้อย่างไร