假设,我想用Tensorflow或Keras.Now中的CIFAR-10或CIFAR-100数据集从头开始训练标准AlexNet、VGG-16或MobileNet。问题是,标准AlexNet、VGG-16或MobileNet的体系结构是为ImageNet数据集构建的,其中每幅图像是224*224,但在CIFAR-10或CIFAR-100数据集中,每幅图像是32*32。那么,我应该做以下哪种操作??
或
如果答案是选项1,请建议我如何在tensorflow或keras中调整一批图像大小
或者,如果答案是选项2,请为MobileNet、VGG-16或Alexnet(层、步幅、过滤器)建议一些架构,以便在32*32图像的Cifar数据集中训练它们。
提前谢谢。
发布于 2019-06-18 17:21:01
实际上,您可以指定这些网络的输入形状,如果您阅读文档,您可以看到(32,32,3)是一个正确的输入值:
https://keras.io/applications/#mobilenet
https://keras.io/applications/#vgg16
input_shape:可选的形状元组,仅当include_top为False时才指定(否则输入形状必须为(224,224,3) (使用'channels_last‘数据格式)或(3,224,224) (使用'channels_first’数据格式)。它应该恰好有3个输入通道,并且宽度和高度应该不小于32。例如(200,200,3)将是一个有效值。
你也可以重塑你所有的图像,但我不认为这是一个好主意,在这些网络上训练224*224图像将会非常长。
https://stackoverflow.com/questions/56645556
复制相似问题