如何在 keras 中将形状 (10000,299,299,1) 的张量输入到 inceptionv3 模型？

Question

我正在尝试在带有 tensorflow 后端的 keras 中训练一个预训练的 inceptionv3 模型。

我有一个包含 10,000 张大小 (299,299) 图像的训练数据集（它们是灰度图像）。我将它转换为 tensorflow 的输入形状为 (10000,299,299,1)。当我尝试拟合 inceptionv3 模型时，我收到一个错误，因为

ValueError: 检查输入时出错：预期 input_1 的形状为 (None, none, none, 3) 但得到的数组的形状为 (10000, 299, 299, 1)

我尝试通过使用改变张量的输入形状

input_tensor = Input(shape=(299,299,1))
base_model = InceptionV3(weights='imagenet',include_top=False,input_tensor = input_tensor)

我收到以下错误：

ValueError：两个形状中的维度 0 必须相等，但对于输入形状为 [3,3,1,32]、[32,3,3 ,3]。

有人可以帮我解决这个问题吗？我的数据集是灰度的。我不知道如何使用 tensorflow 后端将灰度数据集输入到 keras 中的 inceptionv3。

Answer 1

如果您使用的是预训练的权重，您不能简单地将深度更改为 1 并期望它起作用。这是因为您的第一层卷积过滤器的深度为 3。您可以参考此post 了解可以做什么。

这个错误的意思是你编辑后的第一层权重的形状为[3, 3, 1, 32]，这意味着一个深度为 1 的 3x3 卷积滤波器和 32 组这些滤波器。但是，原始模型是[32, 3, 3, 3]，这意味着一个深度为 3 的 3x3 卷积过滤器和 32 组这些过滤器。您必须在这里解决 2 个问题：

1. 将深度更改为 3 并在此之前添加另一层以处理深度 1，或者参考我上面引用的帖子以获取解决此问题的一些选项。
2. 确保权重的形状以相同的方式编入索引。您的 ValueError 存在一些索引问题。