我加载了一个自定义的PyTorch模型，我想找出它的输入形状。类似于这样的操作：

model.input_shape

是否有可能获取这些信息？

更新： print() 和 summary() 并未显示这个模型的输入形状，因此它们并不是我所寻找的。

回答：

PyTorch的灵活性

PyTorch模型是非常灵活的对象，以至于它们不强制执行或通常不期望数据有固定的输入形状。

如果你有一些特定的层，可能会有限制，例如：

• 一个展平层后面跟着一个宽度为N的全连接层会强制你原始输入的维度（M1 x M2 x … Mn）的乘积等于N
• 一个输入通道为N的2D卷积会强制数据为3维，第一维的大小为N

但如你所见，这些都不强制数据的总形状。

我们现在可能没有意识到，但在更复杂的模型中，正确设置第一个线性层的尺寸有时会成为挫败感的来源。我们听过一些著名的从业者讲述他们输入任意数字，然后依赖PyTorch的错误消息来回溯他们线性层的正确尺寸的故事。很烂，对吧？不，这完全合法！

• 深度学习与PyTorch

调查

简单情况：第一层是全连接层

如果你的模型的第一层是全连接层，那么print(model)中的第一层将详细说明单个样本的预期维度。

模糊情况：CNN

然而，如果它是一个卷积层，由于这些层是动态的，并且会根据输入允许的范围进行步进，因此没有简单的方法可以从模型本身检索到这些信息¹。这种灵活性意味着对于许多架构，多个兼容的输入尺寸²都将被网络接受。

这是PyTorch的动态计算图的一个特性。

手动检查

你需要做的是调查网络架构，一旦你找到了一个可解释的层（如果存在，例如全连接层），就“逆向工作”其维度，确定前面的层（例如池化和卷积）如何压缩/修改了它。

示例

例如，在深度学习与PyTorch（8.5.1）中的以下模型中：

class NetWidth(nn.Module):    def __init__(self):        super().__init__()        self.conv1 = nn.Conv2d(3, 32, kernel_size=3, padding=1)        self.conv2 = nn.Conv2d(32, 16, kernel_size=3, padding=1)        self.fc1 = nn.Linear(16 * 8 * 8, 32)        self.fc2 = nn.Linear(32, 2)        def forward(self, x):        out = F.max_pool2d(torch.tanh(self.conv1(x)), 2)        out = F.max_pool2d(torch.tanh(self.conv2(out)), 2)        out = out.view(-1, 16 * 8 * 8)        out = torch.tanh(self.fc1(out))        out = self.fc2(out)        return out

我们看到该模型接受一个具有3个通道的2D图像输入，并且：

• Conv2d -> 将其发送到具有32个通道的相同尺寸的图像
• max_pool2d(,2) -> 在每个维度上将图像尺寸减半
• Conv2d -> 将其发送到具有16个通道的相同尺寸的图像
• max_pool2d(,2) -> 在每个维度上将图像尺寸再次减半
• view -> 重塑图像
• Linear -> 接受大小为16 * 8 * 8的张量并将其发送到大小为32的张量
• …

因此，逆向工作，我们有：

• 形状为16 * 8 * 8的张量
• 未重塑为形状（通道 x 高度 x 宽度）
• 在2D中未最大池化，系数为2，因此高度和宽度未减半
• 从16个通道未卷积到32个通道
  假设： 因此，乘积中的16可能指的是通道数，并且view看到的图像形状为（通道, 8,8），当前形状为（通道, 16,16）²
• 在2D中未最大池化，系数为2，因此高度和宽度再次未减半（通道, 32,32）
• 从32个通道未卷积到3个通道

因此，假设卷积核大小和填充足以使卷积本身保持图像尺寸，很可能输入图像的形状是（3,32,32），即RGB 32×32像素的方形图像。

备注：

1. 即使是外部包pytorch-summary也需要你提供输入形状才能显示每层的输出形状。

2. 然而，它可以是任何两个乘积等于8*8的数字，例如（64,1），（32,2），（16,4）等，但由于代码写成8*8，很可能作者使用了实际尺寸。