如何在keras中的inceptionv3模型中输入形状的张量（10000,299,299,1）？

Question

我正在尝试使用tensorflow后端在keras中训练inceptionv3的预训练模型。

我有一个训练数据集，包含10,000张大小为（299,299）的图像（它们是灰度）。 我将其转换为张量流的输入形状为（10000,299,299,1）。 当我尝试拟合inceptionv3模型时，出现错误

ValueError：检查输入时出错：预期input_1具有形状（无，无，无，3），但形状为数组（10000、299、299、1）

我试图通过使用更改张量的输入形状

input_tensor = Input(shape=(299,299,1))
base_model = InceptionV3(weights='imagenet',include_top=False,input_tensor = input_tensor)

我收到以下错误：

ValueError：两个形状中的尺寸0必须相等，但对于输入形状为[3,3,1,32]，[32、3、3、3]的“ Assign_376”（op：“ Assign”），其3和32 。

有人可以帮我解决这个问题吗？ 我的数据集是灰度的。 而且我不知道如何使用张量流后端将灰度数据集输入到keras中的inceptionv3中。

Answer 1

如果您使用的是预先训练的权重，则不能简单地将深度更改为1并期望它起作用。 这是因为您的卷积过滤器的第一层深度为3。您可以参考这篇文章 ，了解可以做什么。

该错误的意思是，编辑后的第一层权重的形状为[3, 3, 1, 32] ，这意味着深度为1的3x3卷积滤镜和这些滤镜的32组。 但是，原始模型为[32, 3, 3, 3] ，这意味着深度为3的3x3卷积过滤器和32个过滤器集。 您必须在这里解决2个问题：

1. 将深度更改为3并在此之前添加另一层以处理深度1，或参考我上面引用的帖子中的一些选项来解决此问题。
2. 确保以相同的方式索引砝码的形状。 ValueError存在一些索引问题。