Keras 中 Inception V3 的自定义 input_shape 如何工作？答案

【问题标题】：How do custom input_shape for Inception V3 in Keras work?Keras 中 Inception V3 的自定义 input_shape 如何工作？
【发布时间】：2019-06-28 13:25:21
【问题描述】：

我知道 Inception V3 的 input_shape 是 (299,299,3)。但是在 Keras 中，如果 include_top 是 False，则可以构建具有自定义 input_shape 的 Inception V3 版本。

"input_shape：可选的形状元组，仅当include_top为False时才指定（否则输入形状必须为(299, 299, 3)（使用'channels_last'数据格式）或(3, 299, 299)（使用'channels_first'数据格式）。它应该正好有 3 个输入通道，并且宽度和高度应该不小于 75。例如 (150, 150, 3) 将是一个有效值" - https://keras.io/applications/#inceptionv3

这怎么可能？如果include_top 是false，为什么它只能有自定义 input_shape？

【问题讨论】：

标签： python tensorflow machine-learning keras conv-neural-network

【解决方案1】：

这是可能的，因为模型是完全卷积的。卷积不关心图像大小，它们是“滑动过滤器”。如果你有大图像，你就有大输出，如果小图像，你有小输出。（不过，过滤器具有由kernel_size 和输入和输出过滤器定义的固定大小）

当您使用include_top 时，您不能这样做，因为此模型可能使用Flatten() 层，最后使用Dense 层。 Dense 层需要固定的输入大小（由基于图像大小的 flatten 给出），否则将无法创建可训练的权重（具有可变数量的权重没有意义）

【讨论】：