图像张量的形状会影响结果输出吗？

Question

我所代表的图像尺寸为100px x 100px，因此我可以使用形状(None, 100, 100, 3)或形状(None, 10000, 3)

我在Google上找不到任何明确的解释，但是，以下两个张量会导致相似的结果吗？

1. (None, 100, 100, 3)
2. (None, 10000, 3)

我认为这两种方法都足够，因为我想如果图像在一行中，神经网络仍会学习得一样好，

Answer 1

对于第一种形状：( 100 , 100 , 3 )

这是3维张量。如果使用密集层，则它们需要二维输入。是的，虽然存在一维卷积层，但它们保留用于完全不同的用例。

卷积层将使内核经过确定的步幅，并将收集空间信息。然后将对该内核进行合并，以便保留信息，但尺寸较小。

  因此，具有这种形状的学习会比学习好得多   空间特征将发生。这非常适合图像   分类。

对于第二种形状：( 10000 , 3 )

这是二维张量，适用于1D卷积层和密集层。

一维卷积仅使内核通过一条直线（轴）。图像的特征也将以直线对齐（所有列将对齐）。这将破坏图像的功能。

  

因此，图像最终是2D对象a，并且必须保持其原始尺寸以方便学习。一维张量还有其他用途，例如文本分类，人类活动识别等。