Keras tensorflow 将模型 NN 修改为 CNN

Question

我正在尝试重写用于对卫星图像进行分类的神经网络模型， 我想在那个模型中使用一些卷积层，比如 #keras.layers.Conv2D(filters=64, kernel_size=(3, 3), activation='relu', padding = 'same',input_shape=(1,nBands)), 但我无法正确获取input_shape 参数，谁能帮帮我？

之前的NN模型是这样的：

# Print the shape of reshaped data
print(xTrain.shape, xTest.shape, featuresHyderabad.shape)
#(2519025, 1, 6) (1679351, 1, 6) (1391808, 1, 6)
# Define the parameters of the model
model = keras.Sequential([

    #keras.layers.Conv2D(filters=64, kernel_size=(3, 3), activation='relu', padding = 'same',input_shape=(1,nBands)),
    keras.layers.Flatten(input_shape=(1, nBands)), 
    keras.layers.Dense(128, activation='relu',kernel_initializer='glorot_normal'),
    keras.layers.Dense(2, activation='softmax')])

# Define the accuracy metrics and parameters
model.compile(optimizer="adam", loss="sparse_categorical_crossentropy", metrics=["accuracy"])

# Run the model
model.fit(xTrain, yTrain, epochs=2,batch_size=10)

Answer 1

输入的形状必须是图像的形状。例如，如果您使用 48x48 黑白图像训练模型，则输入形状将为 (48,48, 1) 或 (1, 48, 48)，如果将 chanel 值放在高度和宽度之前。

Answer 2

很好的问题，我认为您会发现 CNN 的性能要比在扁平图像上训练 NN 好得多。对于Conv2D 层中的输入形状，形状可以以两种形式之一给出：

1. “Channels last”（Keras 默认使用这个）：(image height, image width, 6)，其中6 指通道数（3 用于 RGB，1 用于灰度）。

2. “Channels first”（定义Conv2D层时可以通过设置data_option="channels_first"来选择此选项）：(6, image height, image width)。

更直观地说，您可以将输入大小视为您提供给网络的图像大小，即(image height, image width, number of bands)。我发现 Keras 的这份文档也很有帮助：https://keras.io/api/layers/convolution_layers/convolution2d/。