MobileNetV2瓶颈块stride=1时输入与输出层尺寸不匹配的相加疑问

先明确核心前提：MobileNetV2的倒残差瓶颈块仅在stride=1且输入与输出的空间尺寸（高/宽）、通道数完全一致时，才会执行输入与输出的元素级相加（跳跃连接）。如果尺寸不匹配，要么不会触发跳跃连接，要么会通过额外操作调整尺寸后再相加，以下是具体拆解：

为什么标准结构下尺寸会匹配？ #

MobileNetV2的瓶颈块是「升维→深度卷积→降维」的倒残差结构：

• 1x1卷积升维：把输入通道数放大到膨胀系数×输入通道数
• 3x3深度可分离卷积（stride=1时用same padding）：空间尺寸完全不变
• 1x1卷积降维：最终输出通道数会被调整回与输入通道数一致的数值

这一套流程下来，当stride=1时，输出张量的空间尺寸（高/宽）和通道数都和输入完全一致，自然可以直接做元素相加。

特殊情况：输入与输出通道数不匹配怎么办？ #

如果在自定义或变种结构中出现stride=1但输入、输出通道数不同的情况，标准处理方式是在跳跃连接路径上添加一个1x1逐点卷积：

• 用1x1卷积把输入的通道数调整到和输出通道数一致
• 因为stride=1且用same padding，空间尺寸不会变化
• 调整后的输入张量就能和瓶颈块输出做元素级相加

伪代码示例 #

def mobilenetv2_bottleneck(inputs, out_channels, expansion=6, stride=1):
    in_channels = inputs.shape[-1]
    
    # 1. 升维卷积
    x = Conv2D(in_channels * expansion, kernel_size=1, padding='same')(inputs)
    x = BatchNormalization()(x)
    x = ReLU6()(x)
    
    # 2. 深度可分离卷积（stride=1时空间尺寸不变）
    x = DepthwiseConv2D(kernel_size=3, strides=stride, padding='same')(x)
    x = BatchNormalization()(x)
    x = ReLU6()(x)
    
    # 3. 降维卷积
    x = Conv2D(out_channels, kernel_size=1, padding='same')(x)
    x = BatchNormalization()(x)
    
    # 跳跃连接逻辑
    if stride == 1:
        if in_channels == out_channels:
            # 尺寸完全匹配，直接相加
            x = Add()([x, inputs])
        else:
            # 通道数不匹配，用1x1卷积调整输入后相加
            shortcut = Conv2D(out_channels, kernel_size=1, padding='same')(inputs)
            shortcut = BatchNormalization()(shortcut)
            x = Add()([x, shortcut])
    
    return x

关键结论 #

• stride=1时，MobileNetV2的标准瓶颈块设计会保证输入输出尺寸一致，无需额外处理就能相加
• 若出现尺寸不匹配，要么是混淆了stride=2的场景，要么是自定义结构的通道数不匹配，此时用1x1卷积调整输入通道数即可

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