搭建 UNet 训练分割任务时抛出 Calculated output size (128x0x0)，本质是卷积、池化、下采样堆叠太多，输入图尺寸太小，经过多次下采样之后特征图高宽被压缩到 0，无法继续卷积 / 池化；UNet 经典的编码器层层下采样，每一次 maxpool 都会让特征图减半，很多人照搬标准 UNet 的 4 次下采样结构，却没有根据输入分辨率做适配，输入过小就会提前坍缩到 1×1，再做一次池化就直接变成 0×0。标准 UNet 默认适合 572×572 这类大图输入，4 次 maxpool 之后瓶颈层是 32×32；如果输入只有 64×64、32×32 甚至更小，同样 4 轮下采样，很快就到 1×1，再池化就溢出报错。
报错基础信息清单
- 报错原文：Calculated output size (128x0x0)
- 含义：输出特征图 H/W 计算结果为 0，卷积 / 池化无法执行
- 高发场景：UNet、U-Net++、UperNet 编码器下采样
- 核心规律：每一次 maxpool2d (kernel_size=2,stride=2)，高宽 //2
- 示例：输入 32×32，3 次下采样→4×4；4 次下采样→2×2；5 次下采样→1×1；再 pool 就 0×0
- 快速验算公式：
Hout=⌊sHin+2p−k⌋+1
p=padding，k=kernel，s=stride
分步排查与修复流程
- 打印输入 tensor shape，确认输入分辨率：print(x.shape)，重点看 H、W
- 逐层正向推演每一层输出尺寸，定位是哪一层卷积或 pool 把尺寸压到 1×1 之后继续下采样
- 可选修复方案（任选其一或组合）
- UNet 结构配套注意：编码器下采样次数要和解码器上采样次数一一对应，改了编码器层数，解码器也要同步删减，不然 skip 连接尺寸对不上
方案 A：减少下采样层数，把 4 次下采样改成 2/3 次，去掉后面的 pool 块
方案 B：增大输入图像尺寸，满足最小分辨率要求
方案 C：调整 padding，不要随便用 valid，改用 same padding，保留尺寸
方案 D：把 maxpool 替换成 stride 卷积，同时控制下采样倍率，不要固定每次减半
方案 E：瓶颈层增加判断，特征图到 1×1 之后不再做下采样
典型踩坑示例
- 输入 32×32，4 次 2×2 池化：32→16→8→4→2；再加一次 pool → 1×1，再 pool 就报错 0×0
- 输入 64×64，5 次下采样：64→32→16→8→4→2，继续 pool 就出问题
- 很多开源 UNet 代码写死 4 层 down，直接拿来跑小图，必触发这个尺寸报错
结构设计经验
UNet 的最小安全输入 = ；4 次下采样最小输入≥16；5 次下采样最小≥32；如果你的输入小于这个阈值，就必须减少下采样轮次。
【相关 FAQ】
问题 1：Calculated output size (128x0x0)：UNet 在池化前已只剩 1×1，这个报错代表什么？
回答 1：Calculated output size (128x0x0)：UNet 在池化前已只剩 1×1，代表卷积或者池化运算算出来特征图高或者宽等于 0，无法生成特征图，UNet 场景大多是下采样轮次太多，特征图已经压到 1×1 还继续池化。
问题 2：Calculated output size (128x0x0)：UNet 在池化前已只剩 1×1，标准 4 层 UNet 最低支持多大输入？
回答 2：Calculated output size (128x0x0)：UNet 在池化前已只剩 1×1，标准 4 次 2 倍下采样的 UNet，想要稳定跑，输入高宽至少≥16；小于这个尺寸，很容易坍缩到 1×1 进而报错。
问题 3：Calculated output size (128x0x0)：UNet 在池化前已只剩 1×1，不改输入大小怎么修复？
回答 3：Calculated output size (128x0x0)：UNet 在池化前已只剩 1×1，可以减少下采样的层数，同步删减解码器上采样模块，或者修改 padding 策略，避免特征图快速收缩。
问题 4：Calculated output size (128x0x0)：UNet 在池化前已只剩 1×1，padding='same' 能不能完全避免这个报错？
回答 4：Calculated output size (128x0x0)：UNet 在池化前已只剩 1×1，same padding 只能控制卷积不收缩尺寸，对 stride=2 的 maxpool 无效，池化依然会减半，到 1×1 后 pool 依旧会变成 0×0。
【参考资料】
[2025-03]（PyTorch CNN output size 0 error）PyTorch forum
[2024-07]（UNet 输入尺寸与下采样层数匹配）GitHub UNet repo issue
[2025-01]（Conv2d 输出尺寸计算公式）PyTorch 官方文档
[2024-09]（小分辨率医学分割 UNet 结构改造）arXiv
[2025-02]（UNet skip connection 尺寸对齐踩坑）Stack Overflow
【免责声明】
本文为分割模型 UNet 尺寸报错排错笔记，实际输出尺寸和 kernel、stride、padding、dilation 全部相关，不同版本代码、算子参数结果有差异；本文仅技术问题解读，不构成模型结构生产落地担保。