在Keras中更改输入大小 [英] Change the input size in Keras

问题描述

我已经用Keras训练了一个全卷积神经网络。我使用了Functional API，并将输入层定义为 Input（shape =（128,128,3）），与训练集中的图像大小相对应。 / p>

但是，我想在可变大小的图像上使用经过训练的模型（这是可以的，因为网络是完全卷积的）。为此，我需要将输入层更改为 Input（shape =（None，None，3））。解决问题的明显方法是直接用输入形状（None，None，3）训练模型，但是我在需要的地方使用了自定义损失函数来指定训练图像的大小。

我试图定义一个新的输入层并将其分配给我的模型，如下所示：

来自keras.engine的

  import InputLayer 
 
 input_layer = InputLayer（input_shape =（None，None，3），name = input） 
 model.layers [0] = input_layer 
  

这实际上会更改输入层的大小相应地，但是下面的层仍然期望（128,128，filters）输入。

是否可以立即更改所有输入值？

解决方案

创建一个新模型，除了输入形状不同外，其他模型完全相同。和转移权重：

  newModel.set_weights（oldModel.get_weights（））
  

如果出现任何问题，则可能不是完全卷积（例如：包含Flatten层）。

I have trained a fully convolutional neural network with Keras. I have used the Functional API and have defined the input layer as Input(shape=(128,128,3)), corresponding to the size of the images in my training set.

However, I want to use the trained model on images of variable sizes (which should be ok because the network is fully convolutional). To do this, I need to change my input layer to Input(shape=(None,None,3)). The obvious way to solve the problem would have been to train my model directly with an input shape of (None,None,3) but I use a custom loss function where I need to specify the size of my training images.

I have tried to define a new input layer and assign it to my model like this :

from keras.engine import InputLayer

input_layer = InputLayer(input_shape=(None, None, 3), name="input")
model.layers[0] = input_layer

This actually changes the size of the input layers accordingly but the following layers still expect (128,128,filters) inputs.

Is there a way to change all of the inputs values at once ?

解决方案

Create a new model, exactly the same, except for new input shape; and tranfer weights:

newModel.set_weights(oldModel.get_weights())

If anything goes wrong, then it might not be fully convolutional (ex: contains a Flatten layer).

这篇关于在Keras中更改输入大小的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！