将256x256 (不是299x299)的图像大小输入到初始v3模型(PyTorch)中，是否可以正常工作？

import torch
import torchvision.models as models

model = models.inception_v3(pretrained=True)

import torch.nn as nn

# 获取模型的输入层
input_layer = model.Conv2d_1a_3x3

# 修改输入层的参数
input_layer = nn.Conv2d(3, 32, kernel_size=3, stride=2, padding=0, bias=False)

# 将修改后的输入层替换回模型
model.Conv2d_1a_3x3 = input_layer

import torchvision.transforms as transforms
from PIL import Image

# 定义预处理的转换
preprocess = transforms.Compose([
    transforms.Resize(299),  # 调整图像大小为299x299
    transforms.ToTensor(),   # 将图像转换为张量
    transforms.Normalize(mean=[0.485, 0.456, 0.406], std=[0.229, 0.224, 0.225])  # 标准化图像
])

# 加载图像
image = Image.open('image.jpg')

# 预处理图像
input_image = preprocess(image).unsqueeze(0)

# 将图像输入模型进行推理
output = model(input_image)

# 获取预测结果
_, predicted_idx = torch.max(output, 1)