在U-net下采樣後時,通過polling層,可能會出現這種情況,37*37feature maps 壓縮成18*18大小,但在上採樣過程中,利用
nn.ConvTranspose2d()通常變爲36*36大小的feature maps,不同大小的feature maps在進行concat時會報錯。
解決這種問題可以採用追加一個反捲積過程,在判斷到兩個過程得到的feature maps大小不匹配時,使用kernel_size=2,stride=1的反捲積過程,將當前特徵映射擴大。
nn.ConvTranspose2d(in_channels=in_channels,out_channels=out_channels,kernel_size=2,stride=1)