Keras Xception 模型输入形状混淆答案

【问题标题】：Keras Xception model input shape confusionKeras Xception 模型输入形状混淆
【发布时间】：2018-12-17 21:33:44
【问题描述】：

我正在阅读文档here，它说如果我指定include_top=True，输入形状必须是(299,299,3)。但是，如果我设置input_shape=None（输入形状实际上是(32,32,3)），模型就会训练。那么为什么这是有效的呢？

input_shape：可选的形状元组，仅在 include_top 时指定是 False （否则输入形状必须是 (299, 299, 3)。它应该正好有 3 个输入通道，宽度和高度应该是 no 小于 71。例如(150, 150, 3) 将是一个有效值。

小例子：

batch_size = 32
epochs = 2

import numpy as np
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.applications.xception import Xception


NUM_CLASSES = 10

(x_train, y_train), (x_test, y_test) = tf.keras.datasets.cifar10.load_data()
y_train = keras.utils.to_categorical(y_train, NUM_CLASSES)
y_test = keras.utils.to_categorical(y_test, NUM_CLASSES)

print("x_train shape:", x_train.shape) # (50000, 32, 32, 3)


"""
Why does this work when input_shape=None, when the documentation specifies that
input_shape for this model must be greater than 71x71?
"""
model = Xception(weights=None, include_top=True, classes=NUM_CLASSES, input_shape=None)


model.compile(loss='categorical_crossentropy', 
              optimizer=keras.optimizers.RMSprop(lr=0.0001, decay=1e-6), metrics=['accuracy'])


train_datagen = ImageDataGenerator()

train_datagen.fit(x_train)

model.fit_generator(train_datagen.flow(x_train, y_train, batch_size=batch_size),
                    steps_per_epoch=len(x_train) / batch_size, epochs=epochs, verbose=1)

【问题讨论】：

标签： python-3.x tensorflow keras

【解决方案1】：

来自 Keras 文档：

此模型的默认输入大小为 299x299，input_shape 默认为无。如果 include_top 为 True，您可以使用宽度和高度小于 71 的数据。

【讨论】：

我不认为它是这么说的。它说如果include_top=True它必须是（299,299,3），否则它必须大于或等于（71,71,3）
在我看来，如果 include_top=False 输入形状必须是 (299, 299, 3).... 根据，“include_top: 是否在网络的顶端。”
only to be specified if include_top is False (otherwise the input shape has to be (299, 299, 3) 表示指定是否为 False，否则（如果为 True）不指定，因为假定为 (299,299,3)。

【解决方案2】：

keras 文档很清楚：

input_shape：可选的形状元组，只有在include_top为False时才指定（否则输入形状必须为（299,299,3）。它应该有正好3个输入通道，并且宽度和高度应该不小于71. 例如 (150, 150, 3) 将是一个有效值。

【讨论】：