更改Keras中的输入大小

Question

我已经训练了一个完全卷积神经网络与Keras。我使用了Functional API并将输入层定义为Input(shape=(128,128,3))，对应于训练集中图像的大小。

但是，我想在变量大小的图像上使用经过训练的模型（这应该没问题，因为网络是完全卷积的）。为此，我需要将输入图层更改为Input(shape=(None,None,3))。解决问题的显而易见的方法是使用(None,None,3)的输入形状直接训练我的模型，但我使用自定义丢失函数，我需要指定训练图像的大小。

我试图定义一个新的输入图层并将其分配给我的模型，如下所示：

from keras.engine import InputLayer

input_layer = InputLayer(input_shape=(None, None, 3), name="input")
model.layers[0] = input_layer

这实际上会相应地改变输入图层的大小，但以下图层仍然需要(128,128,filters)个输入。

有没有办法一次更改所有输入值？

Answer 1

除了新的输入形状外，创建一个完全相同的新模型;和转移权重：

newModel.set_weights(oldModel.get_weights())

如果出现任何问题，那么它可能不是完全卷积的（例如：包含展平图层）。