使用InceptionV3迁移学习遇输入尺寸错误，咨询原因及解决办法

尝试在InceptionV3中应用迁移学习，输入图像尺寸为(32, 32, 3)，创建基础模型时出现以下错误：

ValueError: Input size must be at least 75x75; Received: input_shape=(32, 32, 3)

相关代码：

from tensorflow.keras.applications.inception_v3 import InceptionV3
base_model = InceptionV3(input_shape = (32, 32, 3), include_top = False, weights = 'imagenet')

错误原因 #

• InceptionV3的网络结构特性：模型内部包含多轮卷积、池化和Inception模块，每一轮都会缩小特征图尺寸。如果输入图像小于75x75，经过前几层下采样后，特征图会缩小到无效尺寸（比如小于1x1），导致后续层无法完成计算，因此官方设定最小输入尺寸为75x75。
• 预训练权重的限制：你使用的weights='imagenet'是基于299x299尺寸的图像训练得到的，这类预训练权重的特征提取逻辑针对大尺寸图像设计，无法适配32x32的极小输入。

解决方案 #

必须调整图像尺寸，或放弃预训练权重，两种常见选择：

• 优先选择：调整图像尺寸
  将数据集的图像resize到至少75x75，如果追求最优效果，建议调整到InceptionV3的标准输入尺寸299x299，这样能最大化利用预训练权重的特征提取能力，迁移学习效果会更理想。
• 特殊场景：保留32x32尺寸
  如果业务必须使用32x32的输入，那么不能使用预训练权重，需要设置weights=None从头训练模型，同时要修改InceptionV3的初始层（比如去掉早期池化层或调整卷积步长），避免特征图过小。但这种方法会完全失去迁移学习的优势，训练需要更多数据和计算资源，效果通常远不如迁移学习。

内容的提问来源于stack exchange，提问作者Nancy Kansal