普通的分类网络最后一层为全连接层，全连接层会把输入特征图展平成向量后，输出固定类别大小的向量，所以对输入尺寸要求是固定的。
需要解决这个问题，可以用两种办法：
1、将fc层前一层的max pooling 或 avg pooling 改为pytorch adaptive avg pooling(pytorch 自带的ResNet配置)，adaptive 的pooling可以解决将输出尺寸固定住，修改win_size适配不同大小的输入特征图
2、fc改为1x1的卷积，这样维度也由(1,1000)变为(1, 1000,m,n)，这里m,n为输 入图片的尺寸，可以理解为在224x224大小的网络中，划窗了mxn次。可以通过将输 出的概率图resize到原图尺寸，做二值化查看网络输出的关注点，类似语义分割的思路了。