Неправильная форма на полностью связанном слое: формы mat1 и mat2 не могут быть умножены. ⇐ Python

[Anonymous]

У меня есть следующая модель. Это хорошо тренируется. Формы моих разделений:

• X_train (98, 1, 40, 844)
• X_val (21, 1, 40, 844)
• X_test (21, 1, 40, 844)

Однако я получаю следующую ошибку при x = F.relu(self.fc1(x)) в прямом направлении. Когда я пытаюсь интерпретировать модель в наборе проверки.

Код: Выделить всё

# Create a DataLoader for the validation set
valid_dl = learn.dls.test_dl(X_val, y_val)

# Get predictions and interpret them on the validation set
interp = ClassificationInterpretation.from_learner(learn, dl=valid_dl)

Код: Выделить всё

RuntimeError: mat1 and mat2 shapes cannot be multiplied (32x2110 and 67520x128)

Я проверил десятки подобных вопросов, но не смог найти решения. Вот код.

Код: Выделить всё

from fastai.vision.all import *
import librosa
import numpy as np
from sklearn.model_selection import train_test_split
import torch
import torch.nn as nn
from torchsummary import summary

[...] #labels in y can be [0,1,2,3]

# Split the data
X_train, X_temp, y_train, y_temp = train_test_split(X, y, test_size=0.3, random_state=42)
X_val, X_test, y_val, y_test = train_test_split(X_temp, y_temp, test_size=0.5, random_state=42)

# Reshape data for CNN input (add channel dimension)
X_train = X_train[:, np.newaxis, :, :]
X_val = X_val[:, np.newaxis, :, :]
X_test = X_test[:, np.newaxis, :, :]

#X_train.shape, X_val.shape, X_test.shape
#((98, 1, 40, 844), (21, 1, 40, 844), (21, 1, 40, 844))

class DraftCNN(nn.Module):
def __init__(self):
super(DraftCNN, self).__init__()
self.conv1 = nn.Conv2d(1, 16, kernel_size=3, stride=1, padding=1)
self.pool = nn.MaxPool2d(kernel_size=2, stride=2, padding=0)
self.conv2 = nn.Conv2d(16, 32, kernel_size=3, stride=1, padding=1)

# Calculate flattened size based on input dimensions
with torch.no_grad():
dummy_input = torch.zeros(1, 1, 40, 844)  # shape of one input sample
dummy_output = self.pool(self.conv2(self.pool(F.relu(self.conv1(dummy_input)))))
self.flattened_size = dummy_output.view(dummy_output.size(0), -1).size(1)

self.fc1 = nn.Linear(self.flattened_size, 128)
self.fc2 = nn.Linear(128, 4)

def forward(self, x):
x = self.pool(F.relu(self.conv1(x)))
x = self.pool(F.relu(self.conv2(x)))
x = x.view(x.size(0), -1)  # Flatten the output of convolutions
x = F.relu(self.fc1(x))
x = self.fc2(x)
return x

# Initialize the model and the Learner
model = AudioCNN()
learn = Learner(dls, model, loss_func=CrossEntropyLossFlat(), metrics=[accuracy, Precision(average='macro'),  Recall(average='macro'), F1Score(average='macro')])

# Train the model
learn.fit_one_cycle(8)

print(summary(model, (1, 40, 844)))

# Create a DataLoader for the validation set
valid_dl = learn.dls.test_dl(X_val, y_val)

# Get predictions and interpret them on the validation set
interp = ClassificationInterpretation.from_learner(learn, dl=valid_dl)
interp.plot_confusion_matrix()
interp.plot_top_losses(5)

Я пробовал изменить функцию пересылки и форму слоев, но все равно получаю ту же ошибку.
Изменить. По запросу я добавил больше кода.

Подробнее здесь: https://stackoverflow.com/questions/786 ... multiplied