从v3开始，现代Yolo版本可以处理任意大小的图像，只要两边都是32的倍数。这是因为 Backbone.js 的最大跨距是32，并且它是一个完全卷积网络。

培训

举个例子，假设你开始一个trining：

from ultralytics.yolo.engine.model import YOLO
  
model = YOLO("yolov8n.pt")
results = model.train(data="coco128.yaml", imgsz=512)

通过在trainer.py中打印输入到模型（im）的内容，您将获得以下输出：

Epoch    GPU_mem   box_loss   cls_loss   dfl_loss  Instances       Size
  0%|          | 0/8 [00:00<?, ?it/s]
 torch.Size([16, 3, 512, 512])
      1/100      1.67G      1.165      1.447      1.198        226        512:  12%|█▎        | 1/8 [00:01<00:08,  1.15s/it]
 torch.Size([16, 3, 512, 512])
      1/100      1.68G      1.144      1.511       1.22        165        512:  25%|██▌       | 2/8 [00:02<00:06,  1.10s/it]
 torch.Size([16, 3, 512, 512])

因此，在训练过程中，图像必须重新调整为相同的大小，以便能够创建迷你批次，因为您无法连接不同形状的Tensor。imgsz选择要训练的图像的大小。

预测

现在，我们来看一下预测，假设您选择assets下的图像作为source，imgsz 512下的图像为

from ultralytics.yolo.engine.model import YOLO
  
model = YOLO("yolov8n.pt")
results = model.predict(stream=True, imgsz=512) # source already setup

通过在predictor.py中打印原始图像形状（im0）和馈送到模型的图像形状（im），您将获得以下输出：

(yolov8) ➜  ultralytics git:(main) ✗ python new.py 
Ultralytics YOLOv8.0.23 🚀 Python-3.8.15 torch-1.11.0+cu102 CUDA:0 (Quadro P2000, 4032MiB)
YOLOv8n summary (fused): 168 layers, 3151904 parameters, 0 gradients, 8.7 GFLOPs
im0s (1080, 810, 3)
im torch.Size([1, 3, 512, 384])
image 1/2 /home/mikel.brostrom/ultralytics/ultralytics/assets/bus.jpg: 512x384 4 persons, 1 bus, 7.4ms
im0s (720, 1280, 3)
im torch.Size([1, 3, 288, 512])
image 2/2 /home/mikel.brostrom/ultralytics/ultralytics/assets/zidane.jpg: 288x512 3 persons, 2 ties, 5.8ms
Speed: 0.4ms pre-process, 6.6ms inference, 1.5ms postprocess per image at shape (1, 3, 512, 512)

您可以看到，最长的图像边被调整为512。短边被调整为最接近32的倍数，同时保持纵横比。由于您没有同时馈送多个图像，因此不需要将图像调整为相同的形状并堆叠它们，从而可以避免填充。