在ssd_vgg16_300.yml里面只修改 image_shape: [3, 300, 300]  测试是不行的，有哪位知道怎么修改? 只需要修改ssd_vgg16_300.yml还是说还有其它对应的地方需要修改。

应该使用的是PaddleDetection吧？ 如要要自定义数据集，可以参考 数据处理模块文档：https://github.com/PaddlePaddle/PaddleDetection/blob/release/0.3/docs/advanced_tutorials/READER.md。建议使用 方式一：将数据集转换为COCO格式。这样处理起来更方便些。

如果是单纯想控制输入的图像直接resize就好了

def resize_img(img, input_size):
    # param:img  输入图像
    # param:input_size  送入网络的尺寸
    target_size = input_size
    percent_h = float(target_size[1]) / img.size[1]
    percent_w = float(target_size[2]) / img.size[0]
    percent = min(percent_h, percent_w)
    resized_width = int(round(img.size[0] * percent))
    resized_height = int(round(img.size[1] * percent))
    w_off = (target_size[2] - resized_width) / 2
    h_off = (target_size[1] - resized_height) / 2
    img = img.resize((resized_width, resized_height), Image.ANTIALIAS)
    array = np.ndarray((target_size[1], target_size[2], 3), np.uint8)
    array[:, :, 0] = 127
    array[:, :, 1] = 127
    array[:, :, 2] = 127
    ret = Image.fromarray(array)
    ret.paste(img, (np.random.randint(0, w_off + 1), int(h_off)))
    return ret

我们自己定义了训练测试数据集，但是我们的图片都是16：9的尺寸，最终应用的时候输入的也是16：9的尺寸。所以希望修改训练网络让输入的格式是16：9的，而不是正方形的，训练出来的模型不是非常理想，想着是不是可以不用正方形的图片训练。

简单的方法是将现有的图片拼一块白的变成正方形的图片，应用的试试也是这样操作，这就多出不少没用的计算，最好的方法是能针对性的修改网络。