为什么 keras.backend.pool3d 要求 tensor_in 是 5 维的？
Why does keras.backend.pool3d requires tensor_in to be 5-dimensional?
我有以下代码
from tensorflow import keras
from keras import backend as K
pool_size = (2,2,2)
strides = (2,2,2)
yt = K.zeros(shape=(10,10,10))
result = keras.backend.pool3d(yt, pool_size, strides, pool_mode="avg")
当我尝试 运行 代码时，它说
.. InvalidArgumentError: tensor_in must be 5-dimensional
[Op:AvgPool3D] name: AvgPool3D/
我好像不太喜欢yt的维度。
但我想在尺寸为 3x3x3 的 3d 图像中最大化池。另一个维度应该是什么？
- 批量大小
- 渠道
作为 Keras 中的每个类似卷积的操作，这些维度都是必需的。
- 使用 "channels_last"（默认）：
(batch, size1, size2, size3, channels)
- 使用"channels_first"：
(batch, channels, size1, size2, size3)
所以：
yt = K.zeros(shape=(1,10,10,10,1))
我有以下代码
from tensorflow import keras
from keras import backend as K
pool_size = (2,2,2)
strides = (2,2,2)
yt = K.zeros(shape=(10,10,10))
result = keras.backend.pool3d(yt, pool_size, strides, pool_mode="avg")
当我尝试 运行 代码时，它说
.. InvalidArgumentError: tensor_in must be 5-dimensional [Op:AvgPool3D] name: AvgPool3D/
我好像不太喜欢yt的维度。 但我想在尺寸为 3x3x3 的 3d 图像中最大化池。另一个维度应该是什么？
- 批量大小
- 渠道
作为 Keras 中的每个类似卷积的操作，这些维度都是必需的。
- 使用 "channels_last"（默认）：
(batch, size1, size2, size3, channels) - 使用"channels_first"：
(batch, channels, size1, size2, size3)
所以：
yt = K.zeros(shape=(1,10,10,10,1))