ecursionError: maximum recursion depth exceeded while calling a Python object

在 Python 中，`RecursionError: maximum recursion depth exceeded` 错误通常发生在一个函数递归调用自身太多次，超出了 Python 默认的递归深度限制时。Python 默认的递归深度限制是比较低的，以避免无限递归导致的栈溢出。

在你的代码中，这个错误可能发生在 `_get_fc_input_size` 方法里。这个方法在构造函数中被调用，并且它试图创建一个 `AlexNet` 实例来计算全连接层的输入尺寸。但是，由于 `_get_fc_input_size` 方法本身在 `AlexNet` 类定义中，这将导致无限递归调用：

def _get_fc_input_size(self, shape):
    model = AlexNet()  # 这里创建了一个新的 AlexNet 实例，它又将调用 _get_fc_input_size 方法
    model.eval()
    with torch.no_grad():
        x = torch.randn(shape)
        x = model.conv(x)
        return x.view(x.size(0), -1).size(1)

要解决这个问题，你应该避免在 `_get_fc_input_size` 方法中创建新的 `AlexNet` 实例。相反，你应该使用当前实例的 `conv` 属性来计算输出尺寸。以下是修正后的代码：

class AlexNet(nn.Module):
    def __init__(self):
        super(AlexNet, self).__init__()
        # ... [省略其他部分] ...
        # 计算全连接层输入大小
        self.fc_input_size = self._get_fc_input_size()
        self.fc = nn.Sequential(
            # ... [省略其他部分] ...
        )

    def forward(self, img):
        feature = self.conv(img)
        feature = feature.view(img.size(0), -1)  # 展平特征图
        output = self.fc(feature)
        return output

    def _get_fc_input_size(self):
        # 使用当前实例的 conv 属性来计算输出尺寸
        x = torch.randn(1, 1, 28, 28)  # 假设输入图像尺寸是 (1, 28, 28)
        x = self.conv(x)
        # 计算展平后的特征数量
        return x.view(-1).size(0)

# 创建模型
model = AlexNet().to(device)
# ... [省略其他部分] ...

在这个修正中，`_get_fc_input_size` 方法不再创建新的 `AlexNet` 实例，而是直接使用 `self.conv` 来获取卷积层的输出，然后计算这个输出在展平后的大小。这样，递归调用的问题就解决了。