如何将形状数组 (150,150,3) 重塑为形状数组 (1,8192)

Question

我已经训练了一个如下的深度学习模型，它是 VGG16 的分类器基础。

model = tf.keras.models.Sequential([
tf.keras.layers.Dense(256, activation='relu', input_dim=4 * 4 * 512),
tf.keras.layers.Dropout(0.5),
tf.keras.layers.Dense(1, activation='sigmoid')

1-我的模型接受形状为 (1,8192) 的张量进行预测。

2-我有 (150,150,3) 形状的测试图像，它们被转换为数组。

3-现在我想要一种方法将我的 (150,150,3) 图像转换为形状为 (1,8192) 的张量。

Answer 1

输入维度似乎非常随意，不适合任务。如果您非常顽固地继续，您可以简单地将其转换为一维数组并像这样重新采样：

import numpy as np 
from scipy import signal

image = np.random.rand(150,150,3)
image_8192 = signal.resample(image.ravel(), 8192)

...但这是一个非常糟糕的主意。更智能的是更智能地对图像进行下采样，首先将其转换为灰度然后下采样：

from skimage.color import rgb2gray
from skimage.transform import resize

grayscale = rgb2gray(image) 
grayscale_91pix = resize(image, (91, 91)) # size 8291
image_8192 = signal.resample(grayscale_91pix.ravel(), 8192)

它仍然不是很好，但比幼稚的方法更好。