用于 CIFAR10 和 FMNIST 的深度学习 CNN 网络答案

【问题标题】：Deep learning CNN network for CIFAR10 and FMNIST用于 CIFAR10 和 FMNIST 的深度学习 CNN 网络
【发布时间】：2021-08-30 09:52:10
【问题描述】：

我编写了一段代码，用于在 CIFAR10 或 FMNIST 上训练和评估 CNN 模型。 cifar 有效，但是当尝试在 fmnist 上使用我的功能时，我得到了错误： RuntimeError: 给定组=1，大小为 [32, 3, 3, 3] 的权重，预期输入 [4, 1, 28, 28] 有 3 个通道，但有 1 个通道

您对问题所在有任何猜测吗？我不知道该怎么做才能修复它。我知道尺寸或输入数据的方式存在某种问题。提前致谢！

【问题讨论】：

如果您发布模型的代码以及您提供给模型的图像的尺寸，这将更容易回答。当您将 CIFAR10 图像和 FMNIST 图像馈送到模型时，请尝试确保它们具有完全相同的尺寸（高度、宽度、通道数）
我可以发布它，但它很长.. 我的另一个选择是使用 ResNet18 并修改最后一层以预测 cifar10 和 fmnist

标签： deep-learning conv-neural-network

【解决方案1】：

据我从您的问题中了解到，您试图在为尺寸为 3x32x32 的输入图像构建的 DNN 上进行预测。如果您尝试输入 FMNIST 图像，则会出现尺寸错误，因为 FMNIST 图像只有黑白并且只有一个颜色通道。该模型无法处理这些图像，因为您需要提供与您为其构建模型的尺寸完全相同的图像。由于这种尺寸错位，我不建议使用 CIFAR10 模型在 FMNIST 上进行预测，并且性能可能不会很好。

如果您仍然想使用该模型，则需要将 FMNIST 图像重新整形为 CIFAR10 图像的大小。首先，您必须复制您的 FMNIST 图像 3 次以制作 3 个颜色通道。然后通过整形或调整大小来调整宽度和高度。

但是，我建议您为 FMNIST 数据集构建一个新模型。如果您想使用预训练的权重作为初始化，请寻找一个为具有一个颜色通道和相似图像尺寸的数据构建的模型，以便您可以将 FMNIST 数据提供给模型，而无需过多更改尺寸。

【讨论】：

嗨！感谢您的回答！我正在做一个分配给我的任务，很遗憾我不得不对这两个数据集使用相同的模型
我认为你的问题和this question中的一样在链接问题的第一个答案中。然后您应该能够将它们直接传递给您的模型而不会出现维度错误