caffe, Inception v2 Check failed: top_shape[j] == bottom[i]->shape(j)

使用Caffe 跑 Google 的Inception V2 对输入图片的shape有要求，某些shape输进去可能会报错。
Inception model中有从conv和pooling层concat的操作，而conv和pooling的output输出计算方式不完全一样。解决方案：
1. 按照原来prototxt输出图片
2. 把concat层前面stride为2的conv层替换stride为1，再额外加上一个stride为2的pooling层
e.g. 以 Inception v2 为例子InceptionBN
conv_3c_3x3, conv_3c_double_3x3_1
conv_4e_3x3, conv_4e_double_3x3_1
然后再接上 stride 为2 的max pooling 层，这样几个分支出来的shape都会保持一致。

layer {
  name: "conv_3c_3x3"
  type: "Convolution"
  bottom: "conv_3c_3x3_reduce"
  top: "conv_3c_3x3"
  convolution_param { 
     num_output: 240
     kernel_size: 3
     stride: 1
     pad: 1
  }
}

layer {
  name: "max_pool_3c_3x3"
  type: "Pooling"
  bottom: "conv_3c_3x3"
  top: "conv_3c_3x3"
  pooling_param {
     pool: MAX
     kernel_size: 3
     stride: 2
     pad: 0
  }
}

这是取巧的做法，虽然保持了加载模型参数一致，但是增加了conv操作（stride变小）和多了一层pooling操作，会增加计算量和消耗显存。