Pytorch踩坑——ResNet50读取的图片长宽固定的问题

最新推荐文章于 2024-06-29 21:30:16 发布

明哲慕鸿

最新推荐文章于 2024-06-29 21:30:16 发布

阅读量7.9k

点赞数 6

分类专栏： Pytorch python

本文链接：https://blog.csdn.net/qq_41100991/article/details/104594834

版权

本文探讨了ResNet50模型对于输入图片尺寸的要求，指出默认尺寸为224x224。解决方法包括修改全连接层适应不同尺寸或调整图像大小以满足最小224x224的要求。

摘要由CSDN通过智能技术生成

问题一

RuntimeError: size mismatch, m1: [1 x 8192], m2: [2048 x 2] at C:\w\1\s\tmp_conda_3.7_104508\conda\conda-bld\pytorch_1572950778684\work\aten\src\TH/generic/THTensorMath.cpp:197

经过查询发现resnet50、resnet101、resnet152输入的尺寸都是为224X224的，如果想用其他尺寸怎么办，修改一下全连接层就可以了，如下

import torch
import torch.nn as nn


__all__ = ['res_net50', 'res_net101', 'res_net152']


class Bottleneck(nn.Module):
    expansion = 4

    def __init__(self, in_planes, planes, stride=1, down_sample=None):
        super(Bottleneck, self).__init__()
        self.conv1 = nn.Conv2d(in_planes, planes, kernel_size=1, bias=False)
        self.bn1 = nn.BatchNorm2d(planes)
        self.conv2 = nn.Conv2d(planes, planes, kernel_size=3, stride=stride,
                               padding=1, bias=False)
        self.bn2 = nn.BatchNorm2d(planes)
        self.conv3 = nn.Conv2d(planes, planes * 4, kernel_size=1, bias=False)
        self.bn3 = nn.BatchNorm2d(planes * 4)
        self.relu = nn.ReLU(inplace=True)
        self.down_sample = down_sample
        self.stride = stride

    def forward(self, x):
        residual = x
        out = self.conv1(x)
        out = self.bn1(out)
        out = self.relu(out)
        out = self