keras中卷积神经网络的输入形状

Question

我正在尝试使用cnn构建一个图像分类器。 我的图像是（256,256）像素大小。

如果我通过将输入形状设置为（64,64）或（128,128）来训练cnn会发生什么，因为（256,256）需要花费大量时间来处理？

Answer 1

它会抛出一个错误。 您可以使用cv2.resize（）调整图像大小，或者可以将正确的输入形状放在cnn图层中，然后放置一个maxpooling图层以减少参数数量。

Answer 2

确保您的图像大小与Input图层的大小相同。 通常，分类体系结构对输入的空间维度不灵活。 所以，这很重要。 否则，您将收到形状不匹配错误。

如果您想要更改模型的输入形状，可以这样做。 很难确切地说它将如何影响您的分类。 您可能还需要调整CNN滤镜，以使滤镜不会超过要素贴图。 否则可能会降低您的表现。 但你可以尝试一下，看看会发生什么。