使用 Tensorflow/Keras 时是第一维宽度还是高度答案

【问题标题】：Is First Dimension Width or Height while working with Tensorflow/ Keras使用 Tensorflow/Keras 时是第一维宽度还是高度
【发布时间】：2021-05-20 05:16:26
【问题描述】：

我使用 Keras 和 Tensorflow，认为 Input(shape=(1280,224,1) 将接受 Grayscale 图像的 Width=1280 和 Height=224 这就是我在ResNet 中使用的所有预训练模型，或者使用ImagedataGeneratorflow_from_directory(target_size=(1280,224))。

它在ResNet50 github Code 中以 width 和 height 的形式给出：

input_shape：可选的形状元组，只需要指定如果include_top 为 False（否则输入形状必须是(224, 224, 3)（使用channels_last 数据格式）或(3, 224, 224)（使用channels_first 数据格式）。它应该正好有 3 个输入通道，宽高不小于32。

但突然间我难倒tf.image.resize 论点的给出为：

size：2 个元素的一维 int32 张量：new_height, new_width。图片的新尺寸

要么我的整体错了，要么这里的功能不同。请帮忙。

【问题讨论】：

无论用例如何，如果您的输入首先具有上述宽度，则它始终应与您提供的输入矩阵的形状相匹配，如果您的输入首先具有高度，则首先提供高度。这完全取决于您输入的输入矩阵的形状
实际上没有。我刚刚浏览了代码。 Conv2d 接受 height,width,channels，.flow_from_directory() 也是如此。它使用numpy 方案，首先放置高度，然后放置宽度。
是的，这就是我所说的它应该匹配输入形状，输入形状由rows x columns定义，当您将图像加载到数组中时，形状由rows x columns定义，我们可以说行数是高度，列数是宽度。
当您翻转图像时，您会将高度称为宽度，还是将其称为 new_height 由您决定，我只是想传达矩阵的形状将始终由 rows x columns 定义。希望清除它
哦，好的！知道了。实际上，我对resize 感到困惑。 ImageDataGenerator 和 PIL 使用不同的方案，那时我才意识到出了点问题。

标签： python tensorflow image-processing keras computer-vision

【解决方案1】：

请纠正我，但我想我已经找到了答案。通过Conv2D documentation，我发现：

data_format：字符串，channels_last（默认）或channels_first之一。输入中维度的排序。 channels_last 对应于形状为 (batch_size, height, width, channels) 的输入，而 channels_first 对应于形状为 (batch_size, channels, height, width) 的输入。它默认为在 ~/.keras/keras.json 的 Keras 配置文件中找到的 image_data_format 值。如果您从未设置它，那么它将是 channels_last。

documentation of ImageDataGenerator 也是这么说的：

data_format 图像数据格式，“channels_first”或“channels_last”。 “channels_last”模式意味着图像应该具有形状（样本、高度、宽度、通道），“channels_first”模式意味着图像应该具有形状（样本、通道、高度、宽度）。它默认为在 ~/.keras/keras.json 的 Keras 配置文件中找到的 image_data_format 值。如果您从未设置它，那么它将是“channels_last”。

所以我认为tf/Keras 使用height,width 而PIL 或pillow 使用width,height 格式as the documentation says：

size – 请求的大小（以像素为单位），作为 2 元组：(width, height).

请更正

【讨论】：