在 TensorFlow 中转换 NHWC 和 NCHW答案

【问题标题】：Convert between NHWC and NCHW in TensorFlow在 TensorFlow 中转换 NHWC 和 NCHW
【发布时间】：2016-10-07 22:47:45
【问题描述】：

将张量从 NHWC 格式转换为 NCHW 格式（反之亦然）的最佳方法是什么？

是否有专门执行此操作的操作，或者我需要使用 split/concat 类型操作的某种组合？

【问题讨论】：

标签： tensorflow

【解决方案1】：

您需要做的只是将维度从 NHWC 排列到 NCHW（或相反）。

每个字母的含义可能有助于理解：

N：批次中的图像数量
H：图片的高度
W：图片的宽度
C：图像的通道数（例如：RGB 为 3，灰度为 1...）

从 NHWC 到 NCHW

图像形状为(N, H, W, C)，我们希望输出的形状为(N, C, H, W)。因此，我们需要应用tf.transpose，并使用精心选择的排列perm。

返回的张量维度i将对应输入维度perm[i]

perm[0] = 0  # output dimension 0 will be 'N', which was dimension 0 in the input
perm[1] = 3  # output dimension 1 will be 'C', which was dimension 3 in the input
perm[2] = 1  # output dimension 2 will be 'H', which was dimension 1 in the input
perm[3] = 2  # output dimension 3 will be 'W', which was dimension 2 in the input

在实践中：

images_nhwc = tf.placeholder(tf.float32, [None, 200, 300, 3])  # input batch
out = tf.transpose(images_nhwc, [0, 3, 1, 2])
print(out.get_shape())  # the shape of out is [None, 3, 200, 300]

从 NCHW 到 NHWC

图像形状为(N, C, H, W)，我们希望输出的形状为(N, H, W, C)。因此，我们需要使用tf.transpose 和精心选择的排列perm。

返回的张量维度i将对应输入维度perm[i]

perm[0] = 0  # output dimension 0 will be 'N', which was dimension 0 in the input
perm[1] = 2  # output dimension 1 will be 'H', which was dimension 2 in the input
perm[2] = 3  # output dimension 2 will be 'W', which was dimension 3 in the input
perm[3] = 1  # output dimension 3 will be 'C', which was dimension 1 in the input

在实践中：

images_nchw = tf.placeholder(tf.float32, [None, 3, 200, 300])  # input batch
out = tf.transpose(images_nchw, [0, 2, 3, 1])
print(out.get_shape())  # the shape of out is [None, 200, 300, 3]

【讨论】：

为了完整起见：解释为什么需要这些命令将是支持
@user3085931：你明白了
另外，perm 是什么 - 或者它是如何定义的？
perm 是图像尺寸的排列，例如从 (N, H, W, C) 到 (N, C, H, W)。
你在哪里使用x和perm？

【解决方案2】：

将“NCHW”转换为“NHWC”

from keras import backend
backend.set_image_data_format('channels_last') #channels_first for NCHW

【讨论】：

这不会做任何转换，它只会改变 Keras 解释数据的方式。