重塑输入层为单通道和多图像

在一些我参考的代码中,有以下内容:

net_->input_blobs()[0]->Reshape(1, 3, height, width);

我的 prototxt 文件中有:

input_shape {    dim: 1    dim: 3    dim: 260    dim: 347}

我间接获悉,所提供的模型已经针对灰度进行了调整(我们有彩色和灰度的 prototxt 文件),目前使用的Python代码使用了三个相同通道的灰度输入。

现在我想在一次调用 net_->Forward(); 中处理4张图像,可以是同时处理或分别处理,并将这四张图像作为单通道灰度图像传入。因此,首先选择单通道:

net_->input_blobs()[0]->Reshape(1, 1, height, width);

更改通道数量会有什么影响?我的所有层会如何反应?这会有效吗?如果有效,单通道网络会更快吗?

其次,选择四张图像:

net_->input_blobs()[0]->Reshape(4, 3, height, width);

我感觉这可能行不通,我应该考虑增加 input_blobs 的数量,但该如何操作呢?或者正确的做法是什么?


回答:

  1. 使用单通道而不是三个相同的通道应该会更快(减少乘加运算)。由于这是在最细的尺度上进行的,这甚至可能对运行时间产生明显的影响。

  2. 将4张图像作为一个批次输入通常比将每张图像单独作为一个批次处理更快(由于内部计算优化以处理批次)。

结论:你应该能通过运行一个包含四张图像的批次获得更好的运行时间。如果输入是三个相同的通道 – 最好修改模型以仅使用一个通道。

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注