如何确定CNN的input尺寸?
input尺寸与什么有关
input尺寸与pool池化层个数有关。
1. 池化层数量已知时
如果已知pool的个数是n,则input尺寸应该是2^n的整数倍。
2. 池化层数量未知时
可以先用torchsummary.summary(net,input_data=[B,H,W])清晰的观察网络的结构以及特征图尺寸变化。此处的[B,H,W]可以任意指定一个。例如[1,256,512]。
然后根据打印出来的信息,用“H或W” / “最小的特征尺寸”,例如128/64=2=2^1(说明该网络有1个池化层),可以得知该网络的输入图像尺寸应该为2的倍数。
3. 确定input尺寸后,训练时将data统一pad成相应尺寸
# pad image & mask
import torchvision.transforms as T
import numpy as np
pe = images.shape[2]
ro = images.shape[3]
scale = 16
if ( pe % scale != 0 or ro % scale != 0):
ssx = int(np.ceil(pe/scale) * scale)
ssy = int(np.ceil(ro/scale) * scale)
zpad = T.CenterCrop((ssx, ssy))
# crop = T.CenterCrop((pe, ro))
images = zpad(images)
true_masks = zpad(true_masks)
4. 测试时将data统一crop回原数据尺寸
# TODO: crop
import torchvision.transforms as T
import numpy as np
crop = T.CenterCrop((pe, ro))
output = crop(torch.from_numpy(output).cuda())
img = crop(img)
# img = crop(torch.from_numpy(img).cuda())