Keras预训练模型输入形状非默认时如何确定首层初始权重？

• 首先明确核心逻辑：预训练模型的第一个隐藏层均为2D卷积层，它的权重维度和输入图像的宽高完全无关
  卷积层权重的形状固定为(卷积核高度, 卷积核宽度, 输入通道数, 输出通道数)，只和卷积核尺寸、输入通道数、输出通道数三个参数挂钩。基于ImageNet训练得到的首层权重默认对应输入通道数为3，只要你自定义输入的通道数也是3，不管输入宽高是224还是其他≥32的合法尺寸，权重维度都是完全匹配的，Keras会直接加载预训练好的权重值，不需要做任何调整。
• 输入通道数非3时的处理
  如果你自定义的输入通道数不是3（比如灰度图输入为单通道），这时候预训练权重的输入通道维度和实际要求不匹配，Keras默认会按照你指定的初始化方式随机初始化首层权重，不会加载预训练参数。你也可以手动做权重适配，比如把3通道预训练权重的对应维度取均值后赋值给单通道首层卷积层，尽可能保留预训练的特征提取能力。
• 额外注意
  仅当你设置include_top=True加载包含全连接分类头的完整模型时，输入尺寸才会要求固定为224*224，这种情况下自定义输入尺寸会直接报错，和首层权重的初始化逻辑无关。如果要自定义输入尺寸，都需要设置include_top=False加载全卷积部分的权重，此时首层权重加载不受输入宽高影响。

内容的提问来源于stack exchange，提问作者stanwar