背景：最近在做一个图像预测任务，图像并不是指常见的jpg等格式的图片，其实就是网格内每个像素点有数值的那种类似于热点图的图像，为raw文件；任务方面，按我的理解是一个风格迁移（本人新上手深度学习）。根据手头拿到的模型，我需要把多层（＞64层，随机选择连续的64层）的原图像裁剪为（64，200，200）输入，输出与输入一致。
问题：模型训练完后，开始测试。假设原图尺寸为（130，224，224），我想把输出还原为原尺寸，再继续后续的评估。还原尺寸分两部分：
①（200，200）还原为（224，224）：这个好办，原图周围本就是0，进行0填充就可；
②64层还原为130层：这个就是问题所在。我听到的建议是从头开始裁剪，然后将结果堆叠。那最后会有不足64层的部分该怎么办？
尝试：我尝试过将最后不足64层的部分填充0到64层再输入，将得出的结果裁掉填充的层数。但是这部分的预测结果是很差的。我的分析是：因为原图最后一层仍是有很大一部分像素点有值的，而下一层突变为全0层就会很突兀，从而对最后几层的预测结果有很大的影响。
搜网上也没找到类似的场景（也许是我自己不会浓缩表达这个问题），求解答！谢谢！！
