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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注