Gol*_*ame 4 python machine-learning computer-vision deep-learning pytorch
我正在 Pytorch 上测试预训练的 inception v3 模型。我给它提供了 256x256 的图像大小，并将其调整为 299x299。在这两种情况下，图像都被正确分类。
有人能解释一下为什么 PyTorch 预训练模型可以接受不是 299x299 的图像吗？
这是因为 inception v3 的 pytorch 实现在全连接层之前使用了自适应平均池化层。
如果你看一看中的Inception3类torchvision/models/inception.py，关于你的问题最感兴趣的操作是x = F.adaptive_avg_pool2d(x, (1, 1)). 由于平均池化是自适应的，x池化前的高度和宽度与输出形状无关。换句话说，在这个操作之后，我们总是得到一个大小的张量，[b,c,1,1]其中b和c分别是批量大小和通道数。这样，全连接层的输入始终大小相同，因此不会引发异常。
也就是说，如果您使用的是预训练的 inception v3 权重，那么模型最初是针对大小为 299x299 的输入进行训练的。使用不同大小的输入可能会对损失/准确性产生负面影响，尽管较小的输入图像几乎肯定会减少计算时间和内存占用，因为特征图会更小。
小智 5
size >= 299 x 299当为 True 时，Inception-v3 将在训练期间使用aux_logits，否则它可以使用小至 的大小75 x 75。
原因是在aux_logits训练期间设置为 True 时，它InceptionAux在 Mixed_6e 层之后内部调用，该层包含内核为 的 2D 卷积5 x 5。现在，如果输入图像小于299 x 299，则 Mixed_6e 的输出大小实际上小于5 x 5中的内核大小InceptionAux。因此，如果设置为 True，299 x 299则在训练期间图像大小必须 >= 。aux_logits
否则，如果aux_logits为 False，我们可以使用较小的输入大小（256 x 256在您的情况下），因为模型不会调用IncpetionAux，因此没有5 x 5内核大小卷积。
在测试期间 ( model.training = False)，即使为 True InceptionAux，也不会被调用aux_logits。因此，人们可以轻松地使用较小的尺寸作为输入。我已经测试过了，它可以工作到75 x 75。