EfficentNet模型转换错误，转出的中间过程有个size不正确

[leiyu2]

error log | 日志或报错信息 | ログ

EfficentNet模型转换错误，导致size有问题，精度偏差很大。

model | 模型 | モデル

1. original model
   EfficentNet-b1 输入是3224224

how to reproduce | 复现步骤 | 再現方法

pytorch代码：(伪代码，只是说明我遇到的问题)
输入尺寸:144×56×56
x = nn.ZeroPad2d(1,2,1,2)(x)
x = F.conv2d(144,144,kernel_size=5,stride=2,groups=144,bias=False)(x)
输出是1442828
用pnnx转换之后，模型的输出是1442827, pad 变成了 0,2,1,2
请教下各位老师，可以帮忙修复下这个问题吗？多谢。

[dosubot]

Hi @leiyu2! I'm Dosu and I’m helping the ncnn team.

你的问题是 pnnx 转换时，ZeroPad2d 和 Conv2d 层的 padding 参数没有完全保留 PyTorch 的非对称填充，导致输出尺寸变小（28x27 而不是 28x28），从而影响精度。

技术原因是：pnnx 在处理 Conv2d 的 padding 时，如果遇到 4 元素的 padding（如 (1,2,1,2)），会尝试归一化为 2 元素（对称填充），或者直接转成 "same" 字符串，丢失了原始的非对称信息。ncnn 的 Conv2d 层只支持对称填充或 "same" 算法推算，不能直接表达 PyTorch 的完全非对称填充，导致 padding 被错误地变成 (0,2,1,2) 或类似形式，输出尺寸出错。代码分析细节

解决方法建议：

1. 在 PyTorch 导出前，将 ZeroPad2d 和 Conv2d 拆开，确保 ZeroPad2d 单独成层，避免 Conv2d 直接带非对称 padding。这样 pnnx 会把 ZeroPad2d 转成 ncnn 的 Padding 层，Conv2d 用默认对称 padding，能保留原始尺寸。
2. 或者，手动修改导出的 ncnn param 文件，把 Padding 层参数改成你想要的 (1,2,1,2)。
3. 如果模型结构允许，也可以尝试用对称 padding 替代非对称 padding，或者将非对称 padding 拆成两次对称 padding 操作。

目前 ncnn/pnnx 官方文档没有提供直接的配置项来保留非对称 padding，只能通过上述方式绕过。相关代码和机制说明

如需进一步定位，可以贴出转换后的 param 文件相关层配置。

To reply, just mention @dosu.

---

^{How did I do? Good | Irrelevant | Incorrect | Verbose | Hallucination | Report 🐛 | Other}

  

[leiyu2]

1. ZeroPad2d 和 Conv2d 已经是拆开的，但是后面转换的过程中有优化，导致合并起来了;
2. 手动修改后尺寸相同了，但是优化的问题，conv和BN层合并了，导致这个OP计算的结果依然不正确;
   请问@dosu大佬，可以在不修改模型的情况下 实现正确的转换吗？