注意事项：
1.输入图像 N x 3 x 299 x 299 的 尺寸必须被保证:
使用如下的自定义loader:

def Inception_loader(path):

    # ANTIALIAS:high quality
    return Image.open(path).resize((299, 299), Image.ANTIALIAS).convert('RGB')

2.关闭辅助分类器：

    if pretrained:
        if 'transform_input' not in kwargs:
            kwargs['transform_input'] = True
        if 'aux_logits' in kwargs:
            original_aux_logits = kwargs['aux_logits']
            kwargs['aux_logits'] = False
        else:
            original_aux_logits = False
        # we are loading weights from a pretrained model
        kwargs['init_weights'] = False
        model = Inception3(**kwargs)
        # state_dict = load_state_dict_from_url(model_urls['inception_v3_google'],
        #                                       progress=progress)
        state_dict = torch.load(model_path)
        model.load_state_dict(state_dict)
        if not original_aux_logits:
            model.aux_logits = False
            del model.AuxLogits
        return model

把所有的aux相关属性全设成false就好了
3.

def _transform_input(self, x):
        if self.transform_input:
            x_ch0 = torch.unsqueeze(x[:, 0], 1) * \
                (0.229 / 0.5) + (0.485 - 0.5) / 0.5
            x_ch1 = torch.unsqueeze(x[:, 1], 1) * \
                (0.224 / 0.5) + (0.456 - 0.5) / 0.5
            x_ch2 = torch.unsqueeze(x[:, 2], 1) * \
                (0.225 / 0.5) + (0.406 - 0.5) / 0.5
            x = torch.cat((x_ch0, x_ch1, x_ch2), 1)
        return x
        

这个代码一直比较疑惑是怎么回事：像这种公式是怎么推出来的？

这是inceptionv3将用于android上面的一篇文章