在tensorflow或keras中通过标准mobileNet、VGG-16或AlexNet从头开始训练cifar数据集图像大小问题
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？？
- 将CIFAR-10或CIFAR-100数据集中每个图像从32*32调整为224*224，然后在修改后的图像数据集上训练标准AlexNet、MobileNet或VGG-16。
或
- 更改标准MobileNet、AlexNet或VGG-16的体系结构(层数、步幅或滤波器大小)，以便修改后的体系结构可以提供CIFAR-10或CIFAR-100数据集的32*32图像。
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。
回答 1
Stack Overflow用户
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