numpy和Keras中“重塑”功能的差异答案

【问题标题】：Difference of function of "reshape" in numpy and Kerasnumpy和Keras中“重塑”功能的差异
【发布时间】：2018-12-26 12:27:32
【问题描述】：

我的情况是使用 FCN 进行逐像素预测，我有 7 个类，所以我提供图像 512*512，然后提供 512*512*7 供模型预测，我想根据以下方面重塑它(heightwidthchannels) 来保存最终结果。

由于我最后使用通道，所以输入形状对我来说很有意义。但是我相信 Keras 拆分出来的输出形状的形式是：

                 (channels*height *width).

我的尝试是使用“重塑”功能，它可以工作...... 真的让我很困惑，在我的实验中，当我使用 reshape 功能时，图像会完全混乱，在这种情况下，结果非常好（在 Keras 中使用 reshape 功能）。

pr = m.predict( np.array([X]))[0]

#reshape to channel last and take the largest index in 7 predictions for each piexl 
pr = pr.reshape(( output_height ,  output_width , n_classes ) ).argmax(axis=-1)

我期望应该可以正常工作的方式应该是像 np moveaxis 或 numpy.rollaxis 这样的东西。提前致谢！

【问题讨论】：

Keras 默认已经是最后一个频道了。检查model.summary()中的形状
@DanielMöller 好吧，我忽略了轴 = 0，是的，其中一层输出形状（无、512、512、7）。在我的代码中，重塑函数与频道的位置，谢谢。

标签： python numpy keras

【解决方案1】：

默认情况下，Keras 已经是 channels_last，所以你可能对这个 reshape 没有做任何事情。

检查model.summary() 以查看形状。

你说得对，如果你打算改变频道顺序，重塑会弄乱图像。因此，您将寻找Permute((3,1,2)) 层从最后移动到第一个或Permute((2,3,1) 从第一个移动到最后。

【讨论】：