TensorFlow Keras小尺寸输入下复用MobileNetV2前30层的方法

MobileNetV2抛出的32x32尺寸限制是初始化阶段的硬编码校验逻辑，仅针对完整的全量模型生效——这个校验仅在模型类初始化时执行一次，层本身的前向传播逻辑不会对输入尺寸做额外限制。只要在初始化时绕开这个校验，直接复用官方定义好的层结构截取前30层，全程不需要手动搭建网络。

• 用满足最低尺寸要求的占位形状，加载无预训练权重的完整MobileNetV2结构，顺利通过初始化校验，拿到所有官方封装好的层定义
• 自定义匹配10x10x3尺寸的输入层
• 将自定义输入层逐次接入基础模型的前30层，搭建前向传播链路
• 用Keras通用Model类封装最终的自定义模型

import tensorflow as tf

# 占位加载完整MobileNetV2，仅用于获取官方定义的层结构，绕开尺寸校验
base_model = tf.keras.applications.MobileNetV2(
    input_shape=(32, 32, 3),
    include_top=False,
    weights=None
)

# 定义实际需要的10x10输入层
actual_input = tf.keras.Input(shape=(10, 10, 3))

# 复用前30层的结构，逐次构建前向传播
x = actual_input
for layer in base_model.layers[:30]:
    x = layer(x)

# 封装最终可用的自定义模型
small_input_model = tf.keras.Model(inputs=actual_input, outputs=x)

# 打印结构确认适配效果
small_input_model.summary()

• 占位用的32x32输入形状仅用于通过初始化阶段的尺寸校验，不会成为最终模型的输入规格，最终模型的输入尺寸完全由自定义的actual_input决定
• 逐次接入层的过程完全保留官方MobileNetV2的层参数配置、激活函数、BN设置，没有修改原有结构逻辑
• 运行完代码后可以对照summary输出的各层形状，确认经过前30层的下采样后，输出特征图的尺寸为正（不会出现0的情况），避免前向传播时出现尺寸不匹配的错误

内容的提问来源于stack exchange，提问作者user3731622