在 Keras 相关模型中更改输入层大小

Question

我在 Keras 中使用 Inception 模型和图像网络的预训练权重。问题在于，根据 Keras 文档，此模型的默认输入大小为 299x299。虽然我的图像是 230 * 350，但我不想调整它们的大小，因为它会扭曲图像。所以我试图找到一种改变输入层大小的方法。下面是我到目前为止尝试过的代码，但是我怀疑是否保留了图像净重，因为我认为更改输入大小时架构会发生变化。有任何想法吗 ..input = Input(shape=(230, 350, 3), name='image_input')base_model = InceptionV3(weights='imagenet', include_top=False, input_tensor=input)x = base_model.outputx = GlobalAveragePooling2D()(x)x = Dense(64, activation='relu')(x)predictions = Dense(1, activation='sigmoid')(x)model = Model(inputs=input, outputs=predictions)for layer in base_model.layers:    layer.trainable = Truemodel.compile(loss='binary_crossentropy',              optimizer=Adam(lr=0.0001),              metrics=['accuracy'])

Answer 1

Inception V3 是一个完全卷积的模型。您在卷积编码器的顶部使用全局池化，因此与 299x299 的轻微偏差应该不是什么大问题。如果您的代码没有错误消息，那么像这样使用它肯定没问题。