YOLOv7姿态估计设置stride=32报错，无法使用的原因是什么？

使用YOLOv7姿态估计代码测试时，将原代码中的image = letterbox(image, 960, stride=64, auto=True)[0]修改为image = letterbox(image, 960, stride=32, auto=True)[0]后，出现错误：

RuntimeError: Sizes of tensors must match except in dimension 2. Got 24 and 23 (The offending index is 0)

原测试代码如下：

import matplotlib.pyplot as plt
import torch
import cv2
from torchvision import transforms
import numpy as np
from utils.datasets import letterbox
from utils.general import non_max_suppression_kpt
from utils.plots import output_to_keypoint, plot_skeleton_kpts
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
weigths = torch.load('yolov7-w6-pose.pt', map_location=device)
model = weigths['model']
_ = model.float().eval()

if torch.cuda.is_available():
    model.half().to(device)
image = cv2.imread('./person.jpg')
image = letterbox(image, 960, stride=32, auto=True)[0] #original is stride=64
image_ = image.copy()
image = transforms.ToTensor()(image)
image = torch.tensor(np.array([image.numpy()]))

if torch.cuda.is_available():
    image = image.half().to(device)   
output, _ = model(image)
output = non_max_suppression_kpt(output, 0.25, 0.65, nc=model.yaml['nc'], nkpt=model.yaml['nkpt'], kpt_label=True)
with torch.no_grad():
    output = output_to_keypoint(output)
nimg = image[0].permute(1, 2, 0) * 255
nimg = nimg.cpu().numpy().astype(np.uint8)
nimg = cv2.cvtColor(nimg, cv2.COLOR_RGB2BGR)
for idx in range(output.shape[0]):
    plot_skeleton_kpts(nimg, output[idx, 7:].T, 3)
%matplotlib inline
plt.figure(figsize=(8,8))
plt.axis('off')
plt.imshow(nimg)
plt.show()

• 模型与 stride 强绑定：你用的yolov7-w6-pose.pt是专门针对stride=64设计训练的，模型内部的特征金字塔、检测头等结构的输出尺寸都基于stride=64的输入特征图构建。强行改用stride=32预处理图片，会让输入模型后的特征图尺寸和模型预设的运算维度不匹配，触发张量维度错误。
• letterbox 自动适配的影响：letterbox的auto=True参数会根据传入的stride自动调整图片尺寸到最近的、能被stride整除的数值。当stride从64改成32后，生成的图片尺寸和模型训练时的输入要求不兼容，前向传播时自然会出现维度不匹配的问题。
• 解决方向：要么保持原代码的stride=64参数；要么更换适配stride=32的YOLOv7姿态估计权重文件，确保模型结构和预处理的stride参数完全一致。

内容的提问来源于stack exchange，提问作者CR7