重塑迁移学习
Reshape for Transfer learning
我正在尝试迁移学习 我有输入大小 (16657, 32, 32, 1) 的数据，但我想将其作为输入输入到模型中。我需要大小为 (16657, 32, 32, 3)。如何添加 2 个额外频道？尽管它在 conv2d 模型中运行良好。但我想将它应用到其他迁移学习模型，如 vgg19、resnet50 等
您可以将现有频道复制到两个额外的维度中。
在将输入图像馈送到网络之前对输入图像使用预处理函数，并定义将通道堆叠 3 次的函数。
img = np.array([[12, 16,19], [124,25,19], [76,8,78]]) # shape (3,3)
stacked_img = np.stack((img,)*3, axis=0) # shape (3,3,3)
我正在尝试迁移学习 我有输入大小 (16657, 32, 32, 1) 的数据，但我想将其作为输入输入到模型中。我需要大小为 (16657, 32, 32, 3)。如何添加 2 个额外频道？尽管它在 conv2d 模型中运行良好。但我想将它应用到其他迁移学习模型，如 vgg19、resnet50 等
您可以将现有频道复制到两个额外的维度中。 在将输入图像馈送到网络之前对输入图像使用预处理函数，并定义将通道堆叠 3 次的函数。
img = np.array([[12, 16,19], [124,25,19], [76,8,78]]) # shape (3,3)
stacked_img = np.stack((img,)*3, axis=0) # shape (3,3,3)