为何U-Net分割模型要求输入宽高需被32整除？

这类基于Encoder-Decoder架构的分割模型，核心逻辑是通过多次2倍下采样提取高层特征，再通过多次2倍上采样还原特征图尺寸，最终输出和输入/掩码匹配的分割结果。

• 模型的Encoder部分（特征提取骨干）通常会执行5次2倍下采样操作：每次下采样会让特征图的宽、高变为原来的1/2。经过5次后，特征图尺寸是输入尺寸除以 (2^5 = 32)。
• 为了保证下采样后的特征图尺寸是整数，输入的宽、高必须能被32整除。如果输入尺寸不满足这个条件，下采样后会得到非整数的特征图尺寸，后续Decoder上采样时无法精准还原到输入/掩码的原始尺寸，导致张量形状不匹配，训练直接报错。
• 举个实际例子：输入256×224时，256÷32=8，224÷32=7，下采样后特征图为8×7，是整数尺寸；如果输入是256×225，225÷32=7.03125，得到非整数尺寸，模型计算就会失败。

补充说明：Qubvel分割模型默认使用的骨干网络（如ResNet、EfficientNet系列）都包含5次下采样阶段，因此要求输入尺寸被32整除。若更换为下采样次数不同的骨干，对应的整除倍数会随之变化（比如4次下采样对应16）。

内容的提问来源于stack exchange，提问作者shiva