本文探讨了Keras与TensorFlow在图像数据处理上的差异，特别是在图像通道排列方式上的不同（channels_first vs channels_last），以及如何通过调整Keras后端设置或输入数据shape来解决这一问题。同时，文章还提到了当使用'valid'填充参数时可能遇到的维度问题，并给出了将参数更改为'same'的解决方案。
原因一：
keras的后端是theano，默认channels_first，即他的图像形状是input_shape=(img_channels, img_rows, img_cols )。
而在tensorflow中则是默认channels_last，即input_shape=(img_rows, img_cols, img_channels)。
解决方法：
可添加这两行代码，使其变为channels_last；也可以自行调整输入数据的shape。
from keras import backend as K
K.set_image_dim_ordering("tf")
原因二：
如果padding参数为valid，这意味着将出现卷积过程中发生的自动降维，则可能会得到负尺寸。
解决方法：
将padding的参数替换成same。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
