Caffe bvlc_googlenet 可接受的最小维度
Caffe bvlc_googlenet minimum accepted dimensions
Caffe 实现的 bvlc_googlenet 模型接受的最小图像输入尺寸是多少？
我正在使用 50 x 50 图像 crop_size = 36，当 运行 求解器：
caffe::Blob<>::Reshape() - Floating point exception
我必须使用 crop_size = 224 避免错误。
这个模型是只接受它的默认尺寸还是我必须花点时间才能实现？
谢谢！！
在尝试解决问题几个小时后，我明白了我为什么要面对它。
GoogleNet 默认接受 224*224 图像作为输入，所以因为它很深并且在一组卷积和池化层之后，使用 50*50 图像（或 36*36 裁剪后）将导致非常小的输出，在将输入传递到某些层后，小于下一层的内核大小。这将导致类似于我在此处遇到的 Reshape 异常。
解法：
虽然不希望编辑导致异常的层的 kernel_size 参数（以保持符合 NN 的规范），这将解决问题，您可以在其中选择较小的内核大小，然后测试结果直到它起作用。
遵循默认 GoogleNet 的规范，将输入图像调整为 254*254（将裁剪大小保持为 224) 或直接将其更改为 224*224 并删除 crop_size 参数.
Caffe 实现的 bvlc_googlenet 模型接受的最小图像输入尺寸是多少？
我正在使用 50 x 50 图像 crop_size = 36，当 运行 求解器：
caffe::Blob<>::Reshape() - Floating point exception
我必须使用 crop_size = 224 避免错误。
这个模型是只接受它的默认尺寸还是我必须花点时间才能实现？
谢谢！！
在尝试解决问题几个小时后，我明白了我为什么要面对它。 GoogleNet 默认接受 224*224 图像作为输入，所以因为它很深并且在一组卷积和池化层之后，使用 50*50 图像（或 36*36 裁剪后）将导致非常小的输出，在将输入传递到某些层后，小于下一层的内核大小。这将导致类似于我在此处遇到的 Reshape 异常。
解法：
虽然不希望编辑导致异常的层的 kernel_size 参数（以保持符合 NN 的规范），这将解决问题，您可以在其中选择较小的内核大小，然后测试结果直到它起作用。
遵循默认 GoogleNet 的规范，将输入图像调整为 254*254（将裁剪大小保持为 224) 或直接将其更改为 224*224 并删除 crop_size 参数.