deep-learning - 在 Keras 中使用预训练的 CNN 进行输入维度以进行迁移学习

Question

我想尝试使用 Keras 库提供的一些预训练 CNN 模型(例如 Exception、ResNet50 等)进行特征提取。我试图找出我的数据集的输入维数是否需要与用于训练原始 CNN 的图像的维数相匹配。

例如；我应该使用在 210x210 RGB 图像上预训练的网络模型，这是否意味着如果我想将网络用于特征提取，它只能处理相同维度(即 (210, 210, 3))的图像？还是在这方面有一些灵 active ？

尝试搜索 Google 并查看 Keras 文档，但找不到关于此问题的明确答案!非常感谢在这方面有经验的人的任何意见。

Answer 1

不，这是可能的，您可以更改预训练模型的 input_shape。它甚至在 keras.aplications documentation 中被提及.

在自定义输入张量上构建 InceptionV3

from keras.applications.inception_v3 import InceptionV3
from keras.layers import Input

# this could also be the output a different Keras model or layer
# this assumes K.image_data_format() == 'channels_last'
input_tensor = Input(shape=(224, 224, 3))  

model = InceptionV3(input_tensor=input_tensor, weights='imagenet',
                    include_top=False)

请注意，如果您想使用与训练图像大小不同的模型，则必须将 include_top 设置为 False，因为模型被限制为只接受具有正确维度的特征，即由原始训练图像大小产生的特征。