Tensorflow中图像数据集表示与Theano之间的差异

Question

根据此repo

的以下代码段

# Define image input layer
if DIM_ORDERING == 'th':
    INP_SHAPE = (3, 224, 224)  # 3 - Number of RGB Colours
    img_input = Input(shape=INP_SHAPE)
    CONCAT_AXIS = 1
elif DIM_ORDERING == 'tf':
    INP_SHAPE = (224, 224, 3)  # 3 - Number of RGB Colours
    img_input = Input(shape=INP_SHAPE)
    CONCAT_AXIS = 3

输入数据的形状是根据要与Keras库一起使用的后端决定的。我想知道为什么这种区别是必要的？为什么我们不能在两种情况下使用相同的输入形状？

Answer 1

Keras是适用于tensorflow和theano的高级深度学习API。它使用这些库中的函数来执行计算。在Theano中，它的autors决定将通道维度放在空间维度之前。在Tensorflow中 - 作者将其作为最后一个维度。这就是你提到的Keras差异背后的原因。