为什么Pytorch这么难用？
如题，我想从Keras转到Pytorch进行学习，想训练一个神经网络，输入图像的大小为28x28（其实就是MNIST）
以下是我的神经网络代码：
self.conv1 = nn.Conv2d(in_channels=1,out_channels=16,kernel_size=3,stride=1,padding=1)
self.pool1 = nn.MaxPool2d(kernel_size=2,stride=2)
self.relu1 = nn.ReLU()
self.norm1 = nn.BatchNorm2d(16)
self.conv2 = nn.Conv2d(in_channels=16,out_channels=32,kernel_size=3,stride=1,padding=1)
self.pool2 = nn.MaxPool2d(kernel_size=2,stride=2)
self.relu2 = nn.ReLU()
self.norm2 = nn.BatchNorm2d(32)
self.fc1 = nn.Linear(64*3*3,128)
self.softmax = nn.Softmax(dim=1)
self.fc2 = nn.Linear(128,10)
但是PytorchLightning报错：
RuntimeError: mat1 and mat2 shapes cannot be multiplied (64x1568 and 576x128)
我是真的发自内心的想问什么这里矩阵的计算会报错，以前在Keras上只需要设置好输入和输出，剩下的完全不需要操心，但是自从转Pytorch之后就是各种奇怪的问题，实话实说有点劝退了，太麻烦了。
跟个人使用习惯有关，我也更倾向keras，代码提示输出张量大小与当前层的权重张量大小不匹配，这个得你自己检查前一层的输出张量大小了
我第一次听到有人说pytorch难用的。。。。你是没遇到过tf和keras版本问题的毒打才会有这个疑问，小版本库不一样就报错，具体报错你还无法确定是哪个库的那种，只有全部安装对应的库才行，然后老项目都是tf1.x的，30系之后的显卡无法支持tf1.x，只能安装2.x的版本你就知道什么叫版本控制一堆shit，等你后面项目经历多了，你就知道pytorch多香了。
另外说回你上面的问题，你这个是在nn.Linear这一层的问题，也就是你这个层的输入结果是64x1567,但是你的设置的输入是576x128，这两个对不上肯定不行啊。从你的输入1x1x28x28的·结果来看，你在进入全连接层的输出是nx32x7x7，并非你想要的nx64x3x3
- 请看👉 ：比较pytorch与keras训练模型的不同并且在Pytorch中使用一维卷积神经网络对一维连续数据分类
- 除此之外, 这篇博客: Pytorch 自定义神经网络训练自己的图片数据中的 利用pytorch来设计自定义的神经网络，准备自定义的数据集，训练分类自己的图片数据 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
本文利用pytorch训练一个自定义的分类器，来对自己的图片数据集进行分类。神经网络的自定义包括网络结构的设计，网络层次各个参数的设计，如激励函数，卷积层数量，卷积核等参数。数据集的自定义是指用户可以设计自己的待分类图像，并且按照自己的意愿将其进行分类。如果你完全熟悉并且完成了本文的操作，那么你将可以完全依靠自己来设计一个图像分类的任务。
如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^