如何在Keras中按通道减去均值?

我已经实现了一个lambda函数,将图像从28x28x1调整大小到224x224x3。我需要从所有通道中减去VGG均值。当我尝试这样做时,出现了错误

TypeError: ‘Tensor’ object does not support item assignment

def try_reshape_to_vgg(x):    x = K.repeat_elements(x, 3, axis=3)    x = K.resize_images(x, 8, 8, data_format="channels_last")    x[:, :, :, 0] = x[:, :, :, 0] - 103.939    x[:, :, :, 1] = x[:, :, :, 1] - 116.779    x[:, :, :, 2] = x[:, :, :, 2] - 123.68    return x[:, :, :, ::-1]

进行张量元素-wise减法的推荐解决方案是什么?


回答:

在Keras 2.1.2之后,你可以在张量上使用keras.applications.imagenet_utils.preprocess_input。在默认模式'caffe'下,它会从x中减去VGG均值。

from keras.applications.imagenet_utils import preprocess_inputdef try_reshape_to_vgg(x):    x = K.repeat_elements(x, 3, axis=3)    x = K.resize_images(x, 8, 8, data_format="channels_last")    x = preprocess_input(x)    return x

如果你想继续使用Keras的旧版本,也许你可以查看Keras 2.1.2中是如何实现的,并将有用的代码行提取到try_reshape_to_vgg中。

def _preprocess_symbolic_input(x, data_format, mode):    global _IMAGENET_MEAN    if mode == 'tf':        x /= 127.5        x -= 1.        return x    if data_format == 'channels_first':        # 'RGB'->'BGR'        if K.ndim(x) == 3:            x = x[::-1, ...]        else:            x = x[:, ::-1, ...]    else:        # 'RGB'->'BGR'        x = x[..., ::-1]    if _IMAGENET_MEAN is None:        _IMAGENET_MEAN = K.constant(-np.array([103.939, 116.779, 123.68]))    # Zero-center by mean pixel    if K.dtype(x) != K.dtype(_IMAGENET_MEAN):        x = K.bias_add(x, K.cast(_IMAGENET_MEAN, K.dtype(x)), data_format)    else:        x = K.bias_add(x, _IMAGENET_MEAN, data_format)    return x

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