我知道Inception V3的input_shape是(299,299,3)。但是在Keras中，如果input_shape是include_top，则可以构造具有自定义False的Inception V3版本。
“ input_shape：可选的形状元组，仅在
include_top为False（否则，输入形状必须为(299, 299, 3)（采用'channels_last'数据格式）时指定(3, 299, 299)（具有'channels_first'数据格式）。它应具有3个输入通道，宽度和高度不小于75。例如，(150, 150, 3)将是一个有效值”-{{ 3}}
这怎么可能？为什么如果include_top是false，它只能具有自定义的input_shape？
答案 0 :(得分：0)
这是可能的，因为模型是完全卷积的。卷积并不关心图像的大小，它们是“滑动滤镜”。如果图像较大，则输出较大；如果图像较小，则输出较小。 （不过，过滤器的大小由kernel_size以及输入和输出过滤器定义）
使用include_top时不能这样做，因为该模型可能使用的是Flatten()层，最后是Dense层。 Dense层需要固定的输入大小（根据图像大小进行展平），否则将无法创建可训练的权重（具有可变数量的权重没有意义）