3D ResUNet分割CT图像张量尺寸不匹配报错如何解决

错误来源于3D UNet跳跃连接拼接阶段，编码器输出特征和对应解码器上采样特征的空间维度不匹配。你采用的步长为2的下采样卷积会对奇数维度向下取整，而步长2的转置卷积上采样会直接将尺寸翻倍，二者累计就会出现1像素的尺寸差，也就是你遇到的55和54的维度差异。

提供两个可直接落地的方案，优先推荐方案1，无需调整网络结构和输入尺寸：

方案1：拼接前动态对齐特征尺寸（最省事） #

在forward函数中每次拼接跳跃连接之前，统一对齐两个特征的空间维度，可选择对尺寸小的特征做边缘填充，或对尺寸大的特征做中心裁剪。
你只需要新增一个通用尺寸对齐函数，再修改3处拼接逻辑即可：
首先定义对齐函数（可放在ResUNet类内部或外部，注意导入torch.nn.functional as F）：

def align_tensor_size(source, target):
    # source为待对齐张量，target为目标尺寸张量，仅对齐后三个空间维度
    diff_d = target.size(2) - source.size(2)
    diff_h = target.size(3) - source.size(3)
    diff_w = target.size(4) - source.size(4)
    # PyTorch pad顺序为[w前补, w后补, h前补, h后补, d前补, d后补]
    source = F.pad(source, [
        diff_w//2, diff_w - diff_w//2,
        diff_h//2, diff_h - diff_h//2,
        diff_d//2, diff_d - diff_d//2
    ])
    return source

然后修改forward中的三处拼接逻辑：

1. 报错行修改为：

short_range6_aligned = align_tensor_size(short_range6, long_range3)
outputs = self.decoder_stage2(torch.cat([short_range6_aligned, long_range3], dim=1)) + short_range6_aligned

2. 第二处拼接修改为：

short_range7_aligned = align_tensor_size(short_range7, long_range2)
outputs = self.decoder_stage3(torch.cat([short_range7_aligned, long_range2], dim=1)) + short_range7_aligned

3. 第三处拼接修改为：

short_range8_aligned = align_tensor_size(short_range8, long_range1)
outputs = self.decoder_stage4(torch.cat([short_range8_aligned, long_range1], dim=1)) + short_range8_aligned

如果你使用Dice损失等对边缘敏感的损失函数，可将对齐逻辑改为裁剪大尺寸张量到小尺寸，避免填充0值影响损失计算。

方案2：调整输入尺寸为2的n次幂倍数 #

当前网络共3次步长2的下采样，所以输入的三个空间维度（D、H、W）都需要是2^3=8的整数倍，你可以将输入的三个维度填充或裁剪到最近的8的倍数，下采样和上采样后尺寸就会完全匹配。

代码中的dropout参数名拼写错误，你写的是dorp_rate，不影响运行但建议修正，避免后续维护混淆。

内容的提问来源于stack exchange，提问作者dzhang