DL Keras 框架的图像输入的 3D 张量和 4D 张量之间的区别

Question

按照惯例，图像张量始终是 3D 的：height 为一维，width 为一维，color channel 为第三维。它的形状看起来像(height, width, color)。

例如，一批 128 张尺寸为 256x256 的彩色图像可以存储在形状为 (128, 256, 256, 3) 的 4D 张量中。颜色通道在这里代表 RGB 颜色。另一个例子，批量 128 张灰度图像存储在形状为 (128, 256, 256, 1) 的 4D 张量中。颜色可以编码为 8 位整数。

对于第二个例子，最后一个维度是一个只包含一个元素的向量。然后可以使用形状为 (128, 256, 256,) 的 3D 张量。

我的问题来了：我想知道使用 3D 张量而不是 4D 张量作为使用 keras 的深度学习框架的训练输入之间是否有区别。

编辑：我的输入层是一个 conv2D

Answer 1

你看一下conv2D层here的Keras文档你会发现输入张量的形状必须是4D的。

conv2D 图层输入形状
具有形状的 4D 张量：(batch, channels, rows, cols) 如果data_format 是“channels_first”或具有形状的 4D 张量：(batch, rows, cols, channels) 如果data_format 是“channels_last”。

因此，形状的第 4 维是强制性的，即使对于灰度图像来说它只是“1”。
所以事实上，这不是性能增益的问题，也不是缺乏简单性的问题，它只是强制输入参数的形状。
希望它能回答你的问题。