在 TensorFlow / Keras 中实现 3-Tensor (NHW) CNN答案

【问题标题】：Implementing 3-Tensor (NHW) CNN in TensorFlow / Keras在 TensorFlow / Keras 中实现 3-Tensor (NHW) CNN
【发布时间】：2021-06-14 13:55:45
【问题描述】：

我想用 Keras 实现一个 CNN 模型。我的数据分别具有形状 NHW (N, 40, 4)。您可以将其视为 40x4 大小的灰度图像。我想跨过高度轴大小为 (3, 4) 的内核，因此它应该计算 3 个完整行的结果。如您所见，没有通道（这意味着我有一个 3-Tensor），但 Keras Conv2D 层需要 NHWC（4-Tensor）的形状。我无论如何通过以下命令尝试了它，但它显然会导致错误：

tf.keras.layers.Conv2D(8, kernel_size=(3, 4), activation="relu", input_shape=(40, 4)

ValueError：层顺序的输入 0 与层不兼容：：预期 min_ndim=4，发现 ndim=3。收到的完整形状：(1, 40, 4)

因此，我尝试将一个新轴附加到我的输入数据中，它应代表通道。

np.expand_dims(input_data, axis=3)

...

tf.keras.layers.Conv2D(1, kernel_size=(3, 4), activation="relu", input_shape=(40, 4, 1), data_format="channels_last")

这会导致不同的错误消息：

ValueError: Shape mismatch: The shape of labels (received (1,)) should equal the shape of logits except for the last dimension (received (40, 5)).

你知道我如何实现这样一个输入形状为 NHW 的 CNN 模型吗？

【问题讨论】：

This 的问题与我的类似，解决了我的问题。

标签： python tensorflow keras conv-neural-network

【解决方案1】：

Conv2D 期望 4D 张量，形状为：batch_shape + (channels, rows, cols) if data_format='channels_first' 或 4+D 张量，形状：batch_shape + (rows, cols, channels) if data_format='channels_last'

灰度图像通道值为 1，RGB 图像值为 3。

import tensorflow as tf
input_shape = (4, 28, 28, 1)
x = tf.random.normal(input_shape)
y = tf.keras.layers.Conv2D(
2, 3, activation='relu', input_shape=input_shape[1:])(x)
print(y.shape)

输出

(4, 26, 26, 2)

【讨论】：