使用预训练InceptionV3进行图像分类时遭遇输入尺寸不匹配错误

咱们来拆解你遇到的RuntimeError: size mismatch问题，主要有几个核心问题需要修正：

1. 模型定义的笔误与结构错误 #

你代码里的pretrained_features是未定义的变量，这明显是个笔误，应该指代前面的pretrained_model。但更关键的是，直接通过children()[:-1]截取InceptionV3的结构并不合适——InceptionV3的网络结构比较特殊，简单用nn.Sequential包裹并截断会破坏特征输出逻辑，导致后续全连接层（fc）接收到的张量维度完全不匹配。

正确的特征提取模型定义 #

我们可以先关闭InceptionV3的辅助分类器（避免训练模式下返回双输出），再精准提取到全连接层之前的特征提取部分：

import torch
import torch.nn as nn
import torchvision.models as models

# 加载预训练InceptionV3，关闭辅助分类器避免双输出
inceptionV3 = models.inception_v3(pretrained=True, aux_logits=False)
# 提取特征提取主干：去掉最后的全连接层（fc）
pretrained_model = nn.Sequential(*list(inceptionV3.children())[:-1])
# 冻结预训练参数
for param in pretrained_model.parameters():
    param.requires_grad = False

这样定义的pretrained_model，输入torch.Size([256, 3, 299, 299])的张量后，会输出torch.Size([256, 2048, 1, 1])的特征图，你只需要再加一步展平操作，就能得到适配后续分类层的特征向量：

out_features = pretrained_model(inputs)
# 展平特征图为二维张量
out_features = torch.flatten(out_features, 1)

2. Transforms中的弃用函数问题 #

你用的transforms.Scale在新版torchvision中已经被弃用了，建议替换为transforms.Resize，避免后续版本兼容性问题：

from torchvision import transforms

data_transforms = transforms.Compose([
 transforms.Resize((299,299)),  # 替换Scale为Resize
 transforms.RandomHorizontalFlip(),
 transforms.ToTensor(),
 transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
])

3. 额外注意事项 #

• 如果你在训练模式下使用InceptionV3，务必确保aux_logits=False，否则模型会返回主输出和辅助输出两个张量，同样会导致后续处理出错。
• 如果你想更精准地控制特征提取范围，可以直接调用InceptionV3的子模块（比如inceptionV3.Mixed_5b、inceptionV3.Mixed_7c等）来拼接主干网络，结构会更清晰。

内容的提问来源于stack exchange，提问作者Sam