如何在前馈神经网络中使用 RGB 值？

Question

我有 ndarray (100, 20, 20, 3) 和 100 个相应标签形式的彩色图像数据集。将它们作为输入传递给完全连接的神经网络（不是 CNN）时，我应该如何处理 RGB 的 3 个值？平均它们可能会丢失一些信息，但如果不操纵它们，我的主要问题是批量大小，如下面的 pytorch 演示。

for epoch in range(n_epochs):
    for i, (images, labels) in enumerate(train_loader):
        # because of rgb values, now images is 3 times the length of labels
        images = Variable(images.view(-1, 400))
        labels = Variable(labels)
        optimizer.zero_grad()
        outputs = net(images)
        loss = criterion(outputs, labels)
        loss.backward()
        optimizer.step()

这将返回“ValueError：预期的输入 batch_size (300) 以匹配目标 batch_size (100)。”我应该将图像重塑为 (1, 1200) 维张量吗？提前感谢您的回答。

Answer 1

使用灰度图像减少批量大小

Answer 2

由于标签大小为(100,)，因此您的批处理数据的形状应为(100, H, W, C)。我假设您的数据加载器正在返回一个形状为(100,20,20,3) 的张量。发生错误是因为您将张量重塑为(300,400)。

1. 检查您的网络架构输入张量形状是否为(20,20,3)。

2. 如果您的网络只能接受单通道图像，您可以先将 RGB 转换为灰度图像。

3. 或者，修改您的网络架构以使其接受 3 通道图像。一种方便的方法是添加一个额外的层，将 3 个通道减少到 1 个通道，并且您不需要更改网络的其他部分。