例如转换任务，模型只包含卷积层和池化层，输入图像，输出特征图（损失 MSE，试图生成与标签中的特征图完全匹配的特征图）

前向传递可以采用任何图像大小并输出大小 = [w/(n_max_pooling*2), h/(n_max_pooling*2)] 的特征

因此，批量大小为 1时，当我们输入不同的图像大小、不同的比例时，不会出现“尺寸不匹配错误”。由于卷积层和最大池化层的性质，网络只输出一个特征图。

例如：（batch_size、通道、宽度、高度）

• 样本 1：1x3x128x128 => 目标 64x64
• 示例 2：1x3x768x1024 => 目标 368x512

……

我想知道在输入形状不一致的情况下，网络是否能够正确训练和更新它的权重？