Can Keras可以處理不同大小的輸入圖像嗎？

Question

Keras可以處理不同大小的輸入圖像嗎？例如，在完全卷積神經網絡中，輸入圖像可以具有任何大小。但是，當我們通過Keras創建網絡時，我們需要指定輸入形狀。因此，如何在不將輸入圖像調整爲相同尺寸的情況下使用Keras處理不同的輸入尺寸？謝謝你的幫助。

Answer 1

使用相同的計算內核實現任意大小的輸入數組可能會帶來許多挑戰 - 例如，在GPU上，您需要知道需要預留多大的緩衝區，並且更加弱化展開循環的次數等。這是Keras需要不斷輸入形狀的主要原因，可變大小的輸入太難處理。

在NLP中處理可變長度的序列（如句子）時更常出現這種情況。常用的方法是在上設置大小上限（和作物長度較長的序列），然後用填充這個序列的零到這個大小。

（也可以包括屏蔽零個值跳過的填充區域計算，除了在Keras卷積層可能仍然不支持蒙面的投入......）

我不知道如果3D數據結構，填充的開銷並不高 - 如果你開始出現內存錯誤，最簡單的解決方法是減少批量大小。讓我們知道您在圖像上應用這個技巧的經驗吧！

Answer 2

是的。 只需將您的輸入形狀更改爲shape =（n_channels，無,無）。 其中，n_channels是輸入圖像中通道的數量。

我使用Theano後端雖然如此，如果你正在使用tensorflow您可能需要將其更改爲（無，無，n_channels）

你應該使用：

input_shape = （1，無，無）

形狀中沒有一個表示可變維度。請注意，並非所有圖層 都可以使用這種可變尺寸，因爲某些圖層需要 形狀信息（例如拼合）。 https://github.com/fchollet/keras/issues/1920

例如，使用keras的功能API您輸入層將是：

對於RGB數據集

inp = Input(shape=(3,None,None)) 

對於灰色數據集

inp = Input(shape=(1,None,None))