关于 Pytorch 中的奇数图像尺寸

Question

所以我目前正在构建一个 2 通道（也称为双通道）卷积神经网络，用于测量 2 个（二进制）图像之间的相似性。

我遇到的问题如下：

我的输入图像是 40 x 50，在 1 个卷积层和 1 个池化层之后（例如），输出大小是 18 x 23。那么如何在不以非整数输出大小结束的情况下进行更多池化呢？例如，将大小为 2 x 2 的 18 x 23 图像池化，输出大小为 9 x 11.5。

我似乎找不到任何合适的内核大小来避免这样的问题，在我看来，这是因为原始输入图像尺寸不是 2 的幂。例如，大小为 64 x 64 的输入图像没有有正确的填充大小等问题。

任何帮助深表感谢。

Answer 1

关于你的问题：

那么如何在不以非整数输出大小结束的情况下进行更多池化呢？

假设你有：

import torch
from torch import nn
from torch.nn import functional as F

# equivalent to your (18 x 23) activation volume
x = torch.rand(1, 1, 4, 3)

print(x)
# tensor([[[[0.5005, 0.3433, 0.5252],
#           [0.4878, 0.5266, 0.0237],
#           [0.8600, 0.8092, 0.8912],
#           [0.1623, 0.4863, 0.3644]]]])

如果你应用池化（我将MaxPooling在这个例子中使用，我假设你的意思是stride=2基于你预期的输出形状的 2x2 池化）：

p = nn.MaxPool2d(2, stride=2)
y = p(x)

print(y.shape)
# torch.Size([1, 1, 2, 1])

print(y)
# tensor([[[[0.5266],
#           [0.8600]]]])

如果你想有一个[1, 1, 2, 2]，你可以设定ceil_mode=True的MaxPooling：

p = nn.MaxPool2d(2, stride=2, ceil_mode=True)
y = p(x)

print(y.shape)
# torch.Size([1, 1, 2, 2])

print(y)
# tensor([[[[0.5266, 0.5252],
#           [0.8600, 0.8912]]]])

您还可以填充音量以实现相同的效果（这里我假设音量min=0就像在 ReLU 之后一样）：

p = nn.MaxPool2d(2, stride=2)
y = p(F.pad(x, (0, 1), "constant", 0))

print(y.shape)
# torch.Size([1, 1, 2, 2])

print(y)
# tensor([[[[0.5266, 0.5252],
#           [0.8600, 0.8912]]]])

关于：

我似乎找不到任何合适的内核大小来避免这样的问题，在我看来，这是因为原始输入图像尺寸不是 2 的幂。

好吧，如果你想使用将输入大小改变一半的池化操作（例如，MaxPoolingkernel=2和stride=2），那么使用形状为 2 的幂的输入是非常方便的（毕竟，你将能够做很多这些 /2 操作）。然而，这不是必需的。你可以改变池化的步幅，你可以总是池化ceil_mode=True，你也可以不对称地填充，以及许多其他的东西。所有这些都是您在构建模型时必须做出的决定:)