Блог

Я пытаюсь реализовать ResNet1D, который должен принимать в качестве входных данных окно ЭКГ-сигнала ,содержащее один сердечный ритм, в моем случае с размером выборки 950, и я хочу предсказать длину интервала QRS.

Вот код для сетевой реализации:

 class Bottleneck(nn.Module):
    expansion = 4

    def __init__(self, in_planes, planes, stride=1):
        super(Bottleneck, self).__init__()

        self.conv1 = nn.Conv1d(in_planes, planes, kernel_size=1, bias=False)
        self.bn1 = nn.BatchNorm1d(planes)

        self.conv2 = nn.Conv1d(planes, planes, kernel_size=3, stride=stride, padding=1, bias=False)
        self.bn2 = nn.BatchNorm1d(planes)

        self.conv3 = nn.Conv1d(planes,    self.expansion*planes, kernel_size=1, bias=False)
        self.bn3 = nn.BatchNorm1d(self.expansion*planes)

        self.shortcut = nn.Sequential()
        if stride != 1 or in_planes != self.expansion*planes:
            self.shortcut = nn.Sequential(
                nn.Conv1d(in_planes, self.expansion*planes, kernel_size=1, stride=stride, bias=False),
                nn.BatchNorm1d(self.expansion*planes)
                )


    def forward(self, x):
        out = F.relu(self.bn1(self.conv1(x)))
        out = F.relu(self.bn2(self.conv2(out)))
        out = self.bn3(self.conv3(out))
        out  = self.shortcut(x)
        out = F.relu(out)
        return out

class ResNet(nn.Module):
    def __init__(self, block, num_blocks, num_classes=3):
        super(ResNet, self).__init__()
        self.in_planes = 64
    
        self.avg1 = nn.AvgPool1d(1024, stride=2)
        self.conv1 = nn.Conv1d(1, 128, kernel_size=3, stride=1, padding=1, bias=False)
        self.bn1 = nn.BatchNorm1d(128)

        self.layer1 = self._make_layer(block, 128, num_blocks[0], stride=1)
        self.layer2 = self._make_layer(block, 256, num_blocks[1], stride=2)
        self.layer3 = self._make_layer(block, 512, num_blocks[2], stride=2)
        self.layer4 = self._make_layer(block, 1024, num_blocks[3], stride=2)
        self.linear1 = nn.Linear(19968*block.expansion, 1024)
        self.linear2 = nn.Linear(1024, num_classes)


    def _make_layer(self, block, planes, num_blocks, stride):
        strides = [stride]   [1]*(num_blocks-1)
        layers = []
        for stride in strides:
            layers.append(block(self.in_planes, planes, stride))
            self.in_planes = planes * block.expansion

        return nn.Sequential(*layers)


    def forward(self, x):
        out = self.avg1(x)
        out = F.rel(self.bn1(self.conv1(out)))

        out = self.layer1(out)
        out = self.layer2(out)
        out = self.layer3(out)
        out = self.layer4(out)

        out = F.avg_pool1d(out, 16)
        out = out.view(out.size(0), -1)
        out = self.linear1(out)
        out = self.linear2(out)

        return out

    def ResNet50():
        return ResNet(Bottleneck, [3, 4, 6, 3], num_classes=1)
 

Вход, который я передаю в сеть, представляет собой загрузчик данных с размером пакета = 32, количеством каналов = 1 и длиной выборки = 950.
При обучении сети я получаю эту ошибку:

 RuntimeError: mat1 and mat2 shapes cannot be multiplied (1x3584 and 19968x1024)
 

Я понимаю, что ошибка в линейном слое, но я не понимаю, как я должен изменить размеры, чтобы заставить его работать. Не могли бы вы, пожалуйста, объяснить мне это?

Матрицы умножаются, если количество столбцов первой матрицы совпадает с количеством строк второй. Например, MxN * NxK. Так что здесь у вас неправильные формы. Вы всегда можете самостоятельно рассчитать размеры выходных данных каждого слоя, чтобы убедиться в правильности ваших форм. Поэтому я думаю, что это должно сработать, если вы измените это

self.linear1 = nn.Линейный(19968*блок.расширение, 1024)

к этому

self.linear1 = nn.Линейный(3584*блок.расширение, 1024)