3D ResNet残差块后特征图数量未按预期翻倍问题咨询

• 显示截断导致你误以为通道数没有按预期变化：你贴出的3D模型summary输出列宽不足，将最后一维通道数的数字截断了：
  你设置的第一个残差块输出通道为16，summary里显示的(None, 32, 32, 32, 1实际完整值是(None, 32, 32, 32, 16)，末尾的6被列宽截断；第二个残差块设置的输出通道为32，显示的(None, 32, 32, 32, 3实际完整值是(None, 32, 32, 32, 32)，末尾的2被截断。
  可以通过参数量验证：第一个shortcut路径的1x1x1卷积参数量为32，对应输入通道1、输出通道16的计算结果1*1*1*1*16 + 16 = 32，完全匹配，说明通道数实际已经按配置生成，没有异常。你也可以直接打印层的输出形状print(layer.shape)，不会存在截断问题。
• 你提到的「残差块运算后图像尺寸减半」的特性，你的2D、3D代码都没有实现，遗漏了下采样步长配置：标准ResNet需要降尺寸的残差块会将第一个卷积层、shortcut路径的1x1卷积步长设为2（2D）/ (2,2,2)（3D），你当前所有卷积都是默认步长1，所以特征图尺寸会一直保持输入大小不变。

from tensorflow.keras.layers import Input, Conv3D, add, Activation
from tensorflow.keras.models import Model

def residual_module(layer_in, n_filters, downsample=False):
    merge_input = layer_in
    # 下采样时步长设为2，否则为1
    strides = (2,2,2) if downsample else (1,1,1)
    # 通道数变化或需要下采样时，调整shortcut路径
    if layer_in.shape[-1] != n_filters or downsample:
        merge_input = Conv3D(n_filters, (1,1,1), strides=strides, padding='same', activation='relu', kernel_initializer='he_normal')(layer_in)
    # 第一个卷积层同步步长实现下采样
    conv1 = Conv3D(n_filters, (3,3,3), strides=strides, padding='same', activation='relu', kernel_initializer='he_normal')(layer_in)
    conv2 = Conv3D(n_filters, (3,3,3), padding='same', activation='linear', kernel_initializer='he_normal')(conv1)
    # 残差相加
    layer_out = add([conv2, merge_input])
    layer_out = Activation('relu')(layer_out)
    return layer_out
 
# 适配你的业务输入：32x32x44单通道
visible = Input(shape=(32,32,44,1))
# 第一个残差块：通道升至16，尺寸不变
layer = residual_module(visible,16)
# 第二个残差块：通道升至32，尺寸减半
layer_1 = residual_module(layer,32, downsample=True)

model = Model(inputs=visible, outputs=layer_1)
# 调整summary列宽避免截断
model.summary(line_length=120)

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