TensorFlow实现PSPNet金字塔池化模块时的尺寸匹配问题咨询

各位大佬好，我最近在TensorFlow里写PSPNet的代码，卡在金字塔池化模块的尺寸匹配上了，想请教下大家怎么解决。

先说说这个池化模块的逻辑：

• 拿不同尺寸的池化核对输入特征图做平均池化
• 接着过一个1x1卷积降维
• 再用和池化核一样的尺寸做双线性插值上采样，把尺寸还原
• 最后把所有分支的结果拼在一起

我自己写的代码是这样的：

def pyramid_pooling_module(x, pool_sizes):
    pool_outputs = []
    for pool_size in pool_sizes:
        pooled= layers.AveragePooling2D(pool_size)(x)
        pooled= layers.Conv2D(512, (1,1), padding='same')(pooled)
        pooled= layers.UpSampling2D(size=pool_size, interpolation='bilinear')(pooled)
        print(pool_size)
        pool_outputs.append(pooled)
    return layers.Concatenate()(pool_outputs)

我的输入特征图尺寸是(68, 120)，用的池化核是1x1、2x2、3x3、6x6。但问题来了：用3x3和6x6池化的时候，因为输入尺寸没法被池化核整除，平均池化会做向下取整，导致上采样后的特征图尺寸和原输入对不上，最后拼接的时候直接报错。

比如输入68x120用3x3池化，池化后是22x40（68除以3取整是22，120除以3刚好是40），再用3x3上采样就得到66x120，比原输入少了2个像素；用6x6池化的话，池化后是11x20（68//6=11，120//6=20），上采样后也是66x120，和原尺寸差了2个像素，根本没法和其他分支拼起来。

现在我卡在这里好久了，有没有靠谱的办法能解决这个尺寸不匹配的问题，让所有分支的输出都能和原输入尺寸保持一致，顺利完成拼接呀？

备注：内容来源于stack exchange，提问作者Mel7