Question

我有一个图像数据集，每个图像的尺寸为=（2048,1536）。在ImageDataGenerator以从目录中获取数据时，我使用了相同的目标大小，即（2048,1536），但同时将顺序模型设为第一层，我应该使用什么输入形状？它与（2048,1536）相同还是可以采用（224,224）之类的任意随机形状。

Answer 1

您可能应该通过制作大小为3145728（2048 * 1536）的向量来展平输入数据。如果您的数据位于一个numpy数组中，则可以使用np.flatten()（numpy flatten）。

然后您的第一层可以具有与此向量相同的形状。

Answer 2

我将首先使用Group1 Group2 Rate A M 12 B N 10 B M 18 B N 14 A N 14 MeanA 13 MeanM 15 MeanB 14 MeanN 12.66 SDA 1.414213562 SDM 4.242640687 SDB 4 SDN 2.309401077调整图像的大小。您真的需要这么大的图像中的所有信息吗？

对于顺序模型，例如： cv2.resize()，

其中model = models.Sequential() model.add(layers.Conv2D(32,(3,3), activation='relu', input_shape = (height,width, ndim))) ...和height代表您输入的图像尺寸，width代表灰度，ndim = 1代表彩色图像。

Answer 3

第一层（即输入层）应该是数据集中要素的数量。关于图像，每个像素被认为是特征。因此，在您的情况下，图像尺寸为（2048,1536），则需要将其展平以获取像素的总数（即特征）。如果是灰度图像，则为（2048 * 1536 * 1）；如果是彩色图像，则为（2048 * 1536 * 3）。

此外，您在创建顺序模型时使用TensorFlow / Keras API中的以下代码，它将照顾您的输入层大小

tf.keras.models.Sequential([tf.keras.layers.Flatten(),
                       tf.keras.layers.Dense(128,activation=tf.nn.relu) #1st hidden layer
                       tf.keras.layers.Dense(128,activation=tf.nn.relu) #2nd hidden layer
                       tf.keras.layers.Dense(2,activation=tf.nn.softmax)])#output layer

当图像尺寸为（2048 * 1536）时，我应该在顺序模型的第一层中采用什么输入形状

3 个答案: