numpy和Keras中“重塑”功能的差異

Question

我的情況是使用FCN進行像素預測，我有7個類別，因此我輸入圖像512 * 512，然后提供512 * 512 * 7進行模型預測，我想根據（高度寬度渠道）以保存最終結果。

因為我最后使用通道，所以輸入形狀對我來說很有意義。但是Keras拆分出的輸出形狀的形式我相信是：

                 (channels*height *width).

我的嘗試是使用“重塑”功能，它起作用了……這確實使我感到困惑，在我的實驗中，當我使用重塑功能時，圖像會被完全弄亂，在這種情況下，它確實可以正常工作好（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應該是np moveaxis或numpy.rollaxis。 提前致謝！

Answer 1

默認情況下，Keras已經是channels_last ，因此您可能不執行任何重塑操作。

檢查model.summary()以查看形狀。

您是正確的，如果您打算更改頻道順序，則重塑會弄亂圖像。 因此，您將尋找一個Permute((3,1,2))層以最后移至第一個或Permute((2,3,1)層以移至最后一個。