pytorch报错：RuntimeError: mat1 and mat2 shapes cannot be multiplied (64x2500 and 3020x1600)

最新推荐文章于 2025-05-24 12:00:00 发布

江大王吹吹

最新推荐文章于 2025-05-24 12:00:00 发布

阅读量4.9w

点赞数 72

文章标签： pytorch 深度学习人工智能

本文链接：https://blog.csdn.net/weixin_53374931/article/details/130139764

版权

文章讨论了在深度学习模型构建过程中，卷积层输出与全连接层输入参数不匹配导致的错误。作者指出，两个矩阵相乘要求列数与行数对应，并提供了解决方案：调整卷积层结构或修改全连接层的输入参数。最终建议初学者根据情况选择修改代码或调整网络结构。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

相信同学们在刚接触深度学习的时候老会遇到类似的问题：

这个其实就是卷积层到全连接层之间的参数数量不对应的问题

卷积层的的输出结果是64*2500的矩阵，那么全连接层的第一个第一层的就应该是：2500*n

这样两个矩阵才可以相乘：

图例说明：（借鉴别人的图片@知乎史博）

两个矩阵可以相乘，一定是第一个矩阵的列数，等于第二个矩阵的行数

找到报错的行：

然后再找到这一行用到的函数：

self.liner(x)

很容易就找到报错的地方了，他报错是64x2500 和3020x1600 乘不了

mat1 and mat2 shapes cannot be multiplied (64x2500 and 3020x1600)

解决方案：

1、改变卷积层结构，使其最后的输出等于3020，不过这个太麻烦了，不推荐

self.linear = torch.nn.Linear(3020, 1600, True)

2、直接改上面代码中 3020，改成2500

self.linear = torch.nn.Linear(2500, 1600, True)

有帮助到初学的小伙们的话，麻烦大家点个赞哦！！！

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

江大王吹吹

关注关注

72
点赞
踩
53

收藏

觉得还不错? 一键收藏
3
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

pytorch resnet 全连接层linear报错：RuntimeError: mat1 dim 1 must match mat2 dim 0

Hello Word!

05-18

7052

Traceback (most recent call last): File "/home/user1/pjs/frvt_pytorch/batch_run/2branch_alter_1update_2pfc_MMD_ori_auto/recognition/arcface_torch/tools/visualize.py", line 276, in <module> mask = grad_cam(input, target_index) File "/home/user

报错：RuntimeError: mat1 and mat2 shapes cannot be multiplied (10752x224 and 50176x4)...如何解决？

**My Coding Family**

04-16

886

🏆本文收录于《全栈Bug调优(实战版)》专栏，主要记录项目实战过程中所遇到的Bug或因后果及提供真实有效的解决方案，希望能够助你一臂之力，帮你早日登顶实现财富自由🚀；同时，欢迎大家关注&&收藏&&订阅！持续更新中，up！up！up！！备注：部分问题/疑难杂症搜集于互联网。

3 条评论您还未登录，请先登录后发表或查看评论

报错RuntimeError: mat1 and mat2 shapes cannot be multiplied (64x784 and 1x1)

最新发布

New___dream的博客

05-24

186

在使用PyTorch构建神经网络时，输入数据的维度与模型期望的维度不匹配是常见问题。例如，当输入数据的形状为[batch_size, height, width]，而模型期望的输入维度为[batch_size, 784]时，需要通过X = X.flatten(start_dim=1)将数据展平，使其与torch.nn.Linear(784, 10)的输入特征数一致。start_dim=1表示从第1维开始展平，保留batch_size维度。这一操作确保数据能够正确传递到全连接层，避免维度错误。

报错解决：RuntimeError: mat1 and mat2 shapes cannot be multiplied

cnjs1994的博客

08-07

2万+

*引言：**在采用深度学习模型训练和打比赛的过程中，我们经常需要用到不同的模型，而调整模型的时候，经常会遇到模型结构。

报错：RuntimeError: mat1 and mat2 shapes cannot be multiplied (20x10368 and 180000x128)

qq_59782617的博客

10-21

1363

可能是导致维度不匹配的原因。为了确保输入到全连接层的维度正确，、需要计算经过卷积层和池化层后的特征图尺寸。：假设输入图像的尺寸是 H \W（高度和宽度），例如 H = 300,W = 300。找到错误代码，是由于模型处计算错误。这段代码中的全连接层。错误表示：矩阵的维度不匹配，导致无法完成矩阵相乘操作。

【pytorch】RuntimeError: mat1 and mat2 shapes cannot be multiplied (14336x28 and 784x256)

qq_62775411的博客

03-26

1346

RuntimeError: mat1 and mat2 shapes cannot be multiplied (14336x28 and 784x256)

废话不多，方法简单：RuntimeError: mat1 and mat2 shapes cannot be multiplied (1x16 and 20x64)

weixin_45044014的博客

11-20

2947

废话不多，方法简单：RuntimeError: mat1 and mat2 shapes cannot be multiplied (1x16 and 20x64)

RuntimeError: mat1 and mat2 shapes cannot be multiplied (64x1024 and 186624x4096)

m0_74102824的博客

06-08

4327

这可能是因为 `AlexNet` 模型的全连接层参数设置不正确，或者 `_get_fc_input_size` 方法计算出的输入尺寸不正确。这可能是因为 `AlexNet` 模型的卷积层参数设置不正确，或者 `_get_fc_input_size` 方法没有正确计算出全连接层的输入尺寸。3.数据维度问题：在将卷积层的输出传递给全连接层之前，需要确保数据的维度是正确的。3. 展平卷积层输出：在将卷积层的输出传递给全连接层之前，确保使用 `view` 或 `flatten` 方法将其展平为一个一维向量。

RuntimeError: mat1 and mat2 shapes cannot be multiplied (1024x1 and 1024x3)

热门推荐

excelNo1的博客

04-25

3万+

RuntimeError: mat1 and mat2 shapes cannot be multiplied (1024x1 and 1024x3) 前言：在学习pytorch 搭建神经网络的时候，测试网络发现出现RuntimeError: mat1 and mat2 shapes cannot be multiplied (1024x1 and 1024x3)的错误，记录下。一、报错如下 Traceback (most recent call last): File "mobilenet_v1.p

目标检测pytorch报错：RuntimeError: CUDA error: device-side assert triggered

qq_41997274的博客

10-27

6921

目标检测pytorch报错：RuntimeError: CUDA error: device-side assert triggered

pytorch报错：RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED when calling `cublasCreate(handle)`

科研学习笔记！

07-13

7094

多GPU分布式运行pytorch程序报错：RuntimeError: CUDA error: CUBLAS_STATUS_ALLOC_FAILED when calling ‘cublasCreate(handle)`

PyTorch报错：RuntimeError: CUDA error: device-side assert triggered at /pytorch/aten/src/THC/generic

qq_43349542的博客

10-15

2447

报错显示： RuntimeError: cuda runtime error (710) : device-side assert triggered at C:/cb/pytorch_1000000000000/work/aten/src\THC/generic/THCTensorMath.cu:29 用gpu运行不能显示出真正的错误原因，把模型和数据放在cpu上运行显示： return torch._C._nn.cross_entropy_loss(input, target, weight, _Re

解决PyTorch报错：RuntimeError: Expected object of backend CPU but got backend CUDA for argument #2 'other

越野者的博客

01-10

8067

1. 问题描述在利用PyTorch报错： RuntimeError: Expected object of backend CPU but got backend CUDA for argument #2 'other' 报错时，对应Python语句的写法为： szl = torch.max(sz.round(), torch.Tensor([2])).long() 2. 解决办法 ...

解决：RuntimeError: mat1 and mat2 shapes cannot be multiplied（单张图片输入情况，可参考）

kanbarakun的博客

09-24

1万+

在练习使用pytorch加载模型，识别图片时，出现了这一问题。解决方法：使用torch.reshape()将输入数据格式改成与网络相符的格式。

解决：RuntimeError: mat1 and mat2 shapes cannot be multiplied (8x256 and 8x256)维度不匹配问题

qq_39324954的博客

11-28

6328

在设计网络是，前面几层是去噪网络，后边几层是分类网络，因为之前没有接触过分类任务，对全连接层输入维度不太理解，出现错误RuntimeError: mat1 and mat2 shapes cannot be multiplied (8x256 and 8x256)卷积层的输入为四维[batch_size,channels,H,W] ，而全连接接受维度为2的输入，通常为[batch_size, size]。而对于fc层需要根据上面的输出更改输入，及将下面语句的8改为256，跑通。

RuntimeError: mat1 and mat2 shapes cannot be multiplied (128x200 and 1250x1024)

weixin_42599908的博客

01-24

1672

这是一个矩阵乘法的错误。它表示 mat1 的形状是 (128x200)，而 mat2 的形状是 (1250x1024)，两者的形状不能相乘。矩阵乘法的条件是第一个矩阵的列数(即200)必须等于第二个矩阵的行数(即1250)。 ...

RuntimeError: mat1 and mat2 shapes cannot be multiplied (250x7 and 9x256) pytorch报错

qq_44679208的博客

05-18

6014

具体地说，根据错误信息，mat1是一个250x7的矩阵，而mat2是一个9x256的矩阵，它们的维度无法相乘。检查数据预处理：如果对输入数据进行了预处理或变换，请确保处理过程正确，不会导致维度不匹配。在利用pytorch搭建神经网络模型的时候，遇到这个错误通常表示矩阵乘法操作的。检查输入数据的维度：确保输入数据的维度与模型定义中的期望一致。通过检查以上几点，一般找到引起维度不匹配错误的原因，并进行相应的修正。在这种情况下，需要检查模型的结构和输入的维度是否正确。语句或调试器检查输入数据的形状。

RuntimeError: mat1 and mat2 shapes cannot be multiplied (192x64 and 4x3)

qq_43733107的博客

08-29

8186

bug

ImportError: cannot import name 'Protocol' from 'typing'

05-30

这个错误通常是由于使用了过期的 Python 版本引起的，'Protocol' 是 Python 3.8 中引入的新类型，如果你的 Python 版本低于 3.8，那么就会出现该错误。如果你的 Python 版本不低于 3.8，那么可能是你的代码中存在其他问题。为了解决这个问题，可以尝试以下几个方法： 1. 更新你的 Python 版本至 3.8 或更高版本。 2. 检查你的代码中是否存在拼写错误或其他语法错误。 3. 确认你的代码中是否有导入 'typing' 模块的其他部分，在这些部分中导入 'Protocol' 可能会导致此错误。