Machine learning 如果我想在caffe模型测试期间更改输入维度，是否需要进行再培训

我最近被分配了一个使用Caffe模型的项目。到目前为止，我成功地运行了测试代码并获得了良好的结果。但由于它只输出一个小分辨率的图像（128x128），我被要求获得更高的分辨率，例如512x512。由于我刚刚开始学习caffe的这个项目，我仍然有一些问题，了解caffe的流程，我偶然发现这个问题

这是电话号码，这是电话号码

---

那么，是否可以只修改deploy.prototxt（例如，在不重新训练新模型的情况下将输入维度和一些输出更改为我想要的分辨率），或者我是否应该创建一个具有额外层的新模型，以启用更高分辨率的下采样和上采样，并进行重新训练？如果有人能给我解释一下就太好了。感谢您抽出时间阅读此文章。

网络将针对128x128进行优化。因此，您无法将输入放入512x512或查看输出

要用作512x512大小的输入，必须获取512x512大小的数据集并对其进行重新训练。 获取数据集既困难又耗时

---

因此，还有一种方法可以使用Python更改输出分辨率。

您好，谢谢您的回复。我已经检查了他们提供的数据集，实际上有两种类型的数据集，它们都有不同的分辨率1是（512x512），另一个是（178x218），据我在train.prototxt上的理解，它们不进行任何大小调整。那么他们是如何指定分辨率为128x128的模型进行训练的呢？你能解释一下你提到的python方法吗？train.prototxt没有指定大小。只是数据集统一为128x128或512x512。之后，只需在deploy.prototxt中指定输入大小。我说的方法就是使用opencv这样的库来更改图像。你能解释一下数据集是如何统一到128x128的吗？我不明白，因为数据集是178x218而不是128x128，模型是如何选择将其应用到128x128的。我已经尝试将deploy.prototxt输入更改为512x512，但它返回错误。Caffe使用lmdb进行训练。通过查看lmdb，您无法看到图像的分辨率。即使数据集具有不同的图像大小，在Caffe中创建lmdb时也可以选择更改图像大小。因此，即使数据集图像都不同，选项也会更改为128x128。