fpn在pytorch中需手动组合实现，核心是横向1×1卷积对齐通道+自顶向下上采样相加+3×3输出卷积；必须用nn.modulelist为各层单独定义卷积，输入需ordereddict且通道数严格匹配，输出按p2→p5高到低分辨率顺序。
FPN在PyTorch中不是独立模块，而是通过nn.Module组合实现
PyTorch官方 torchvision 中的 torchvision.models.detection.backbone_utils.FPN 是现成可用的封装，但它不直接暴露“FPN层”的训练细节——它本质是把主干网络（如 ResNet）的若干中间特征图做上采样+相加+卷积，输出多尺度特征。你无法靠调用一个函数就“自动获得FPN”，必须明确指定输入特征层级、通道数和输出通道数。
常见错误是直接对 backbone 输出做 F.interpolate 后拼接，却忽略横向连接（lateral connection）中的 1×1 卷积降维，导致通道不匹配或梯度传递异常。
-
backbone必须返回 OrderedDict，key 为字符串（如 "0", "1", "2", "3"），value 为对应 stage 的 feature map；否则FPN初始化会报错KeyError: '0' - 各 stage 输出通道需与
in_channels_list严格一致，例如 ResNet50 第2~5 stage 输出通道分别是 256, 512, 1024, 2048，对应in_channels_list = [256, 512, 1024, 2048] -
out_channels通常设为 256（主流检测头如 RetinaNet / FCOS 默认输入通道），所有输出层统一该值
手动构建FPN时，lateral conv和output conv不能共用同一组权重
FPN 核心是两路操作：横向路径（lateral）做 1×1 卷积对齐通道，自顶向下路径（top-down）做上采样后相加，最后再经 3×3 卷积（output conv）消除混叠。如果复用同一个 nn.Conv2d 实例，会导致不同层级共享参数，破坏多尺度表征能力。
典型错误写法：self.lateral_conv = nn.Conv2d(...) 然后在 forward 中循环调用它处理不同尺寸特征——这会让 P2/P3/P4/P5 共享同一组权重，实际效果接近单尺度特征。
- 应为每个 lateral 层单独定义
nn.Conv2d，例如self.lateral_convs = nn.ModuleList([nn.Conv2d(c, out_c, 1) for c in in_channels_list]) - output conv 同理，建议用
nn.ModuleList管理，避免隐式复用 - 上采样推荐用
F.interpolate(x, scale_factor=2, mode="nearest")，避免nn.Upsample引入额外可学习参数
FPN输出顺序必须从高分辨率到低分辨率（P2→P5）
目标检测 head（如 RetinaNetHead 或自定义 anchor-free head）默认按 P2→P3→P4→P5 顺序接收特征，且假设 P2 分辨率最高（如 1/4 输入尺寸）、P5 最低（1/32）。若输出顺序颠倒（如 P5→P2），anchor stride 或 regressed offset 会全部错位，loss 爆涨但不报错。
torchvision 的 FPN 类内部已按 key 字典序排序（"0"FPN 会把 res5 当作最低层输入。
- 确保 backbone 返回的 dict keys 是数字字符串且升序，例如
{"0": feat2, "1": feat3, "2": feat4, "3": feat5} - 输出字典 keys 应为
{"0": p2, "1": p3, "2": p4, "3": p5}，与输入一一对应 - 若需跳过某层（如不用 P2），应在构造 FPN 时显式传入
in_channels_list和out_channels，而非删减输入 dict
FPN本身不包含检测头，必须接 separate head 才能训练
FPN 只是特征提取器，输出的是多尺度 feature map，不是分类/回归结果。直接拿 FPN(...)(x) 的输出去算 loss 会报维度错误——因为它的输出仍是 Dict[str, Tensor]，而检测 loss 需要 [B, C, H, W] 形状的 logits 和 bbox preds。
常见误操作：把 FPN 当作完整模型导出 ONNX，结果推理时只拿到特征图，没有后续 head，无法部署。
- 必须搭配 detection head，例如 torchvision 的
RetinaNetHead或自定义FCOSHead - head 的输入通道数必须与 FPN 输出通道一致（默认 256），否则
RuntimeError: Given groups=1, weight of size [...] - 训练时 loss 计算需对每个 level 分别进行（如 per-level focal loss + IoU loss），不能把所有 level 的 pred stack 后统一算
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
