numpy和Keras中“重塑”功能的差异

Question

我的情况是使用FCN进行像素预测，我有7个类别，因此我输入图像512 * 512，然后提供512 * 512 * 7进行模型预测，我想根据（高度宽度渠道）以保存最终结果。

因为我最后使用通道，所以输入形状对我来说很有意义。但是Keras拆分出的输出形状的形式我相信是：

                 (channels*height *width).

我的尝试是使用“重塑”功能，它起作用了……这确实使我感到困惑，在我的实验中，当我使用重塑功能时，图像会被完全弄乱，在这种情况下，它确实可以正常工作好（在Keras中使用重塑功能）。

pr = m.predict( np.array([X]))[0]

#reshape to channel last and take the largest index in 7 predictions for each piexl 
pr = pr.reshape(( output_height ,  output_width , n_classes ) ).argmax(axis=-1)

我所期望的工作方式应该是np moveaxis或numpy.rollaxis。 提前致谢！

Answer 1

默认情况下，Keras已经是channels_last ，因此您可能不执行任何重塑操作。

检查model.summary()以查看形状。

您是正确的，如果您打算更改频道顺序，则重塑会弄乱图像。 因此，您将寻找一个Permute((3,1,2))层以最后移至第一个或Permute((2,3,1)层以移至最后一个。