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

Question

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

"input_shape: optional shape tuple, only to be specified if include_top is False (otherwise the input shape has to be (299, 299, 3) (with 'channels_last' data format) or (3, 299, 299) (with 'channels_first' data format). It should have exactly 3 inputs channels, and width and height should be no smaller than 75. E.g. (150, 150, 3) would be one valid value" - https://keras.io/applications/#inceptionv3

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

Answer 1

这是可能的，因为该模型是完全卷积的。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，如果有小图像，你就有小输出。 (不过，过滤器具有由 kernel_size 以及输入和输出过滤器定义的固定大小)

当您使用 include_top 时，您无法执行此操作，因为该模型可能使用 Flatten() 层，最后使用 Dense 层。 Dense 层需要固定的输入大小(根据图像大小进行展平给出)，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)