Question

我正在尝试使用经过培训的[3D] CNN进行转学，我已经训练了模型及其权重。

但问题是输入大小为(64,64,7,3)，而输入大小为(256,256,256,1)。我该如何解决这个问题？

Answer 1

这是一个解决方案：一旦减少到（64,64,64），您可以在网络的开头添加1x1 conv2D图层。这个1x1 conv2D将产生一个（64,64，n），其中n是你想要的单位数;在你的情况下3。

在Tensorflow中，你会这样做：

traefik:
    docker-compose.yml
    traefik.toml

这种方法的好处是它将从数据中学习从（64,64,64）到（64,64,3）的转换。

话虽如此，我并没有真正理解为什么你有一个（256,256,256）或（64,64,64）的图像。通常情况下，最后一个维度是通道的数量，通常为3，类似于'RGB'。

修改：根据您编辑过的问题，有多种方法可以获得所需的尺寸。

例如，您可以应用与上述相同的逻辑：在网络的开头添加一个或多个conv3d图层，然后选择正确的kernel_size并跨步以获得所需的尺寸。例如：如果添加以下图层：

tf.layers.conv2D(inputs, 3, kernel_size=(1,1), activation=<your_activation>)

在网络的开头，如果tf.layers.conv3d(inputs, 3, kernel_size=(193,193,250), strides=(1,1,1))是dim的张量=（无，256,256,256,1），你将得到一个dim =（None，64,64,7,3）的Tensor。您还可以使用3d（max / avg / etc）池图层。

当然，您也可以使用inputs，tf.reshape，tf.image.resize_images，tf.transpose，tf.concat等来获取您想要的尺寸。例如：

tf.layers.conv2d

无论如何，有很多方法可以获得您想要的尺寸，并且根据您的问题，您可能更喜欢一种方法而不是另一种方法。

更改预训练模型的输入形状及其权重

1 个答案: