Android端PyTorch Mobile部署YOLOv8张量尺寸不匹配问题排查

错误根源 #

你遇到的RuntimeError: The size of tensor a (3549) must match the size of tensor b (8400)错误，核心原因是训练、模型导出、Android推理三个环节的输入图像尺寸不统一，导致YOLOv8内部锚点（anchor points）数量不匹配：

• 训练时你设置了imgsz=416，模型会基于416×416的尺寸计算锚点，对应锚点数量为3549
• 导出和Android推理时却用了imgsz=640，640×640尺寸对应的锚点数量为8400
• 模型在decode_bboxes()函数中会用训练阶段生成的锚点做张量运算，尺寸不匹配直接触发报错

解决方案步骤 #

1. 统一全流程的图像尺寸 #

必须保证训练、导出、推理的imgsz完全一致，建议统一为640：
修改训练代码的imgsz参数：

# Entrenar el modelo
model.train(data=yaml_path, epochs=50, imgsz=640, batch=8, workers=0, verbose=False, device=device)

导出和Android端的640设置保持不变即可。

2. 重新训练并导出模型 #

删除旧的训练模型和TorchScript文件，重新执行训练+导出流程，确保模型内部锚点与640×640尺寸完全匹配。

3. 修正输入归一化逻辑（优化检测效果） #

当前Android代码的归一化规则不符合YOLOv8默认训练配置，会导致检测精度下降：
YOLOv8训练时默认将像素值除以255，无需均值减法，修改bitmapToFloat32Tensor的参数：

val inputTensor = TensorImageUtils.bitmapToFloat32Tensor(
    resizedBitmap,
    floatArrayOf(0f, 0f, 0f),
    floatArrayOf(255f, 255f, 255f)
)

4. 验证输出张量形状 #

重新导出模型后，通过Android端的Log.d("ModelOutput", "Forma del tensor: ${shape.toList()}")确认输出形状应为[1, 32, 8400]（4个坐标参数+28个类别），确保processOutput函数的逻辑匹配。

额外优化建议 #

• 导出TorchScript时添加移动端优化参数：

model.export(format="torchscript", imgsz=640, simplify=True, optimize=True)

• 确保Android端PyTorch Mobile版本与训练时的PyTorch版本尽量接近，避免兼容性问题。

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