pytorch中根据神经网络结构确定输入图片尺寸（根据图片尺寸修改神经网络结构）

在学习pytorch的过程中，看到一些代码的解释中会说这个网络的期望输入大小为32x32（也可能是其他数字），请将输入图片调整为32x32。开始的时候有一些不解，仔细看代码后明白，为代码条理清晰，一些神经网络结构事先被定义好，当卷积神经网络中包含有全连接层时，由于全连接层被设置为是固定尺寸的输入输出，全连接层的输入与输入图像尺寸息息相关，故定义好网络结构后，输入图像尺寸亦随之确定。所以在用pytorch编写神经网络结构时，尤其是卷积神经网络，要特别注意输入图像的尺寸，如果想套用某个网络结构，需要先通过网络结构计算出输入图像尺寸，将自己的图像调整为所需要的尺寸；当然还可以根据自己的图像尺寸适当调整网络结构。以下是具体操作方法。

分析神经网络结构

示例：

class ConvNet(nn.Module):
    def __init__(self):
        super().__init__()
        # 1,28x28
        self.conv1=nn.Conv2d(1,10,5) # 24x24
        self.pool = nn.MaxPool2d(2,2) # 12x12
        self.conv2=nn.Conv2d(10,20,3) # 10x10
        self.fc1 = nn.Linear(20*10*10,500)
        self.fc2 = nn.Linear(500,10)
    def forward(self,x):
        in_size = x.size(0)
        out = self.conv1(x) #24
        out = F.relu(out)
        out = self.pool(out)  #12
        out = self.conv2(out) #10
        out = F.relu(out)
        out = out.view(in_size,-1)
        out = self.fc1(out)
        out = F.relu(out)
        out = self.fc2(out)
        out = F.log_softmax(out,dim=1)
        return out

在写代码时，尽量将每一层的输入输出尺寸标注出来，以便后续阅读。
首先介绍Conv2d、max_pool2d的参数：
torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True)
in_channels：输入通道数
out_channels：输出通道数（卷积核的个数）
kernel_size：卷积核的尺寸
stride：卷积步长（默认值为1）
padding：输入在每一条边补充0的层数（默认不补充）
dilation：卷积核元素之间的间距（默认值为1）
groups：从输入通道到输出通道的阻塞连接数（默认值是1）
bias：是否添加偏置（默认是True）
torch.nn.MaxPool2d(kernel_size, stride=None, padding=0, dilation=1, return_indices=False, ceil_mode=False)
kernel_size：池化的窗口大小
stride：窗口移动的步长，默认值是kernel_size
padding：输入的每一条边补充0的层数
dilation：一个控制窗口中元素步幅的参数
return_indices：如果等于True，会返回输出最大值的序号，对于上采样操作会有帮助
ceil_mode：如果等于True，计算输出信号大小的时候，会使用向上取整，代替默认的向下取整的操作
接下来通过网络结构分析每层输出尺寸大小：
重要公式：边长为n的图像，经过卷积核尺寸大小为k，步长为s的卷积，得到边长为1+(n-k)/s的图像
举例说明：
分析一下代码的输出尺寸:

class ConvNet(nn.Module):
    def __init__(self):
        super().__init__()
        # 1,28x28
        self.conv1=nn.Conv2d(1,10,5) # 24x24
        self.pool = nn.MaxPool2d(2,2) # 12x12
        self.conv2=nn.Conv2d(10,20,3) # 10x10
        self.fc1 = nn.Linear(20*10*10,500)
        self.fc2 = nn.Linear(500,10)
   def forward(self,x):
        in_size = x.size(0)
        out = self.conv1(x) #24
        out = F.relu(out)
        out = self.pool(out)  #12
        out = self.conv2(out) #10
        out = F.relu(out)
        out = out.view(in_size,-1)
        out = self.fc1(out)
        out = F.relu(out)
        out = self.fc2(out)
        out = F.log_softmax(out,dim=1)
        return out

为了清晰分析，在编写神经网络结构的代码时，最好将会使输入输出改变的结构（例如本例的卷积层和池化层），在前面定义出来。如果读别人已写好的代码时，一定要结合前向传播的结构来分析，不能只看代码的上面部分，因为神经网络的结构中，可能还含有其他能改变图像尺寸的结构。在上述代码中，只有以下代码部分会改变输出图像尺寸大小。

        # 1,28x28
        self.conv1=nn.Conv2d(1,10,5) # 24x24
        self.pool = nn.MaxPool2d(2,2) # 12x12
        self.conv2=nn.Conv2d(10,20,3) # 10x10
        self.fc1 = nn.Linear(20*10*10,500)
        self.fc2 = nn.Linear(500,10)

假设输入图像尺寸为28x28
第一层卷积卷积核尺寸大小为5x5，步长为1。所以输出图像尺寸：1+(28-5)/1=24
即代码第二行注释标注：经过第一层卷积层后，输出图像尺寸变为24x24
同理，在池化层，池化窗口大小为2x2，移动步长为2，所以经过池化层后，输出图像尺寸变为12x12
第二层卷积尺寸大小为3x3，步长为1，所以输出图像尺寸：1+(12-3)/1=10
经过第二层卷积后，输出图像尺寸为10x10，输出维度为20，所以全连接层的输入固定为20x10x10
所以此网络只接受输入图像尺寸为28x28。
如果，不想改变输入图像的尺寸，可以通过以上步骤，计算出全连接层的输入，适当改变神经网络结构，已达到理想的效果。
现在很多卷积神经网络模型，都用卷积层替代全连接层，就是因为这个原因。因为全连接层的参数的尺寸与输入图像的尺寸有关，故输入图像尺寸改变，模型参数初始化尺寸亦改变。若采用卷积层替代全连接层，则输入图像尺寸改变，模型不用做任何改变。