RuntimeError: 形状为 [1, 28, 28] 的输出与广播形状 [3, 28, 28] 不匹配

当我们在使用深度学习框架时，经常会遇到各种错误。其中，一个经常出现的错误是 "RuntimeError: 形状为 [1, 28, 28] 的输出与广播形状 [3, 28, 28] 不匹配"。这种错误可能会使代码停止工作，导致您的深度学习实验失败。在本文中，我们将介绍这个错误的原因和解决办法。

错误原因

当我们在深度学习模型中使用广播（broadcasting）时，我们需要保证广播的形状（shape）是相同的，否则就会出现 "形状不匹配" 的错误。在这个错误中，我们在尝试将一个形状为 [1, 28, 28] 的张量与一个形状为 [3, 28, 28] 的广播形状相乘，因此会出现形状不匹配的错误。

解决办法

解决这个错误的方法是，要么将形状为 [1, 28, 28] 的张量重复三次，以匹配形状为 [3, 28, 28] 的广播形状，要么将形状为 [3, 28, 28] 广播形状改为 [1, 28, 28]，这样就可以与形状为 [1, 28, 28] 的张量相乘了。

将形状为 [1, 28, 28] 的张量重复三次

import torch

x = torch.randn(1, 28, 28)
print(x.shape) # torch.Size([1, 28, 28])

y = x.repeat(3, 1, 1)
print(y.shape) # torch.Size([3, 28, 28])

将形状为 [3, 28, 28] 广播形状改为 [1, 28, 28]

import torch

x = torch.randn(1, 28, 28)
print(x.shape) # torch.Size([1, 28, 28])

y = torch.randn(3, 28, 28)
y = y[None, :]
print(y.shape) # torch.Size([1, 3, 28, 28])

通过使用上面的代码片段中的方法，您可以很容易地解决 "RuntimeError: 形状为 [1, 28, 28] 的输出与广播形状 [3, 28, 28] 不匹配" 的错误。