如何將cifar10輸入到keras的inceptionv3中

Question

我想使用Inception v3的預先訓練的imagenet權重對CIFAR10圖像進行分類。我正在使用下面的代碼。

from keras.applications.inception_v3 import InceptionV3 

(xtrain, ytrain), (xtest, ytest) = cifar10.load_data() 

input_cifar = Input(shape=(32, 32, 3)) 

base_model = InceptionV3(weights='imagenet', 
         include_top=False, 
         input_tensor=input_cifar) 

但它給了我一個錯誤，如中間conv層的'Negative dimension'。

當我使用VGG16網絡時，不會發生這種情況。

我使用的是張量流後端和tf dim ordernig的keras。

Answer 1

在此圖層的documentation中，可能會發現輸入的最小形狀爲(150, 150, 3)（tf dim訂購）。你的輸入要小得多。這個最小尺寸來自多個pooling和valid邊界模式，這使得每個層的輸出變小 - 如果它小於一定的尺寸 - 不可能既不執行匯聚也不執行卷積。

Answer 2

初始網絡在224x224大小的圖像上進行訓練，其下采樣路徑降至10x10以下。因此，對於32,32,3個圖像，縮減採樣會導致負的尺寸大小。現在你可以做很多事情。首先，您可以將cifar10數據集中的每個圖像調整爲224x224，並將該張量傳遞到初始模型。您可以刪除網絡的一些下采樣過濾器。那麼它仍然會工作。第三你可以做零填充增加圖像的大小而不改變分辨率。