我最近开始使用ResNet，调整official TensorFlow ResNet implementation以运行自定义数据集。我设法调整代码来输入我自己的数据集，但是，当我尝试运行它时，我遇到了图像大小的问题。我的数据集包含512x512图像，而基线实现是为（CIFAR10）32x32图像构建的。因此，为了运行网络，我必须更改网络的模型（层的大小和跨度），以便网络的输出大小正确，否则代码会输出错误，指责大小不匹配。这些图层目前定义为：
number of filters: 16
kernel size of the first convolution: 3
stride of the first convolution: 1
size of the first pooling layer: None (currently being skipped)
stride of the first pooling layer: None (currently being skipped)
size of the second pooling layer: 8
stride of the second pooling layer: 1
number of blocks in each block layer: [8, 8, 8]
stride of each block layer: [1, 2, 2]
fully connected layer size: 64
我是卷积神经网络领域的新手，所以我不知道什么是适应这些层的最佳方法。我尝试了一种天真的方法，稍微增加每一层，以避免对单个图层进行大规模更改，并遵循我从 here中选择的一些指导原则。
number of filters: 32
kernel size of the first convolution: 7
stride of the first convolution: 2
size of the first pooling layer: 3
stride of the first pooling layer: 2
size of the second pooling layer: 7
stride of the second pooling layer: 1
number of blocks in each block layer: [8, 8, 8, 8]
stride of each block layer: [2, 2, 2, 2]
fully connected layer size: 1024
然而，随着这些变化，网络不会收敛，并且损失会迅速增加到无穷大（例如，在100个训练步骤之后损失将近400万）。我可以用一套指导方针或提示来改善这种适应性吗？
非常感谢在这方面的任何帮助或提示。