在ModelScope中，请问下，SRResNet这个输入输出可以规定大小吗？

SRResNet模型的输入和输出大小是可以进行规定的。尽管许多预先训练的模型会使用224x224的图像大小，但是原始的ResNet18模型对输入的训练图像的大小有严格的限制，规定的大小为224224。然而，最近在Pytorch中发现预训练的resnet模型，当输入图片的大小为200200或者其他尺寸时也可以进行训练。此外，某些特定的block内部conv使用了padding，因此输入的in_img_size和out_img_size都是56×56。

对于你的需求不是超分2倍，而是其他尺寸的情况，你可以根据你的需求调整模型的输入和输出大小。例如，如果你希望将图像大小调整为100x100，你可以在模型中添加一个自定义的卷积层来实现这个目标。同时，你也可以调整模型中的全连接层以适应新的输入和输出大小。

SRResNet模型的输入和输出大小是可以进行规定的。在许多预训练的模型中，常常会采用224x224的图像大小。如果你的需求不是超分2倍，而是其他尺寸，你可以通过调整模型的输入大小来满足需求。另外，你也可以参考一些相关的修改，比如使用反射填充的方式维持输入图像和输出图形之间的大小关系。值得注意的是，当前的SResNet实现已经使用了自适应池化层，因此你的更改不会对性能造成影响。

这个模型前面debug时没找到可以控制size的参数 是否支持输入输出可以规定大小得联系模型owner，模型卡片提交反馈那里留言也可以。。此回答整理自钉钉群：魔搭ModelScope开发者联盟群 ①